都說通用大模型輕松拿捏翻譯，結(jié)果有人來掀桌了。

來自網(wǎng)易有道的14B翻譯小模型，測試達(dá)行業(yè)第一，翻譯質(zhì)量超越一眾國內(nèi)外主流通用大模型。

它就是子曰翻譯大模型2.0（下文簡稱子曰2.0），在英譯中方面輕松超越Claude 3.5 Sonnet等12個主流通用大模型，中譯英也和Claude 3.5 Sonnet達(dá)到同等水平。

△評測結(jié)果展示，罰分越低代表模型越好

簡單看個實測例子。我命由我不由天，英文怎么說？

子曰2.0：

I’m the master of my destiny。

Claude 3.5 Sonnet：

My fate is in my own hands, not in heaven’s control.
(Alternative translations could be: “I control my destiny, not the heavens” or “My destiny is determined by me, not by fate”)

對比一下，Claude哪怕給出了三個回答，也都沒有子曰的更自然簡潔有力。

翻譯專業(yè)領(lǐng)域時子曰2.0也更準(zhǔn)確。

對照最新版本的Claude-3.7，子曰2.0準(zhǔn)確譯出了醫(yī)學(xué)詞匯“透明細(xì)胞腎細(xì)胞癌”。

但是Claude-3.7卻翻譯成了“清細(xì)胞腎細(xì)胞癌”。

沒想到，在翻譯這類專業(yè)領(lǐng)域上，通用大模型的表現(xiàn)還是有待提高啊。

（被AI取代的焦慮可以暫時緩解緩解了）

所以，為啥垂直領(lǐng)域做個小模型，就能輕松打敗規(guī)模大10倍+的通用大模型呢？

來看子曰2.0的進(jìn)一步表現(xiàn)。

輕松拿捏論文財報專業(yè)翻譯

簡單總結(jié)，子曰2.0在更為專業(yè)的翻譯場景下，表現(xiàn)更為突出。

翻譯的基本要求是“信達(dá)雅”，即忠實原文、通順明白、選詞得體。越是專業(yè)的領(lǐng)域，翻譯難度越大。

因此，我們設(shè)置了風(fēng)格迥異的幾個方面來測試專業(yè)翻譯模型和通用大模型的表現(xiàn)：

• 論文翻譯
• 財報翻譯
• 詩句翻譯

主要考量的維度包括：

• 準(zhǔn)確度
• 流暢度
• 不必要增減
• 優(yōu)美/地道

首先在語料庫的豐富度上，子曰2.0明顯更勝一籌。

畢竟丟給它“Strawberry Shake-Shake”，它都知道譯為：草莓搖搖奶昔。

在古詩翻譯上，子曰2.0給出的譯文更加傳神、保留意境，同時還兼顧了押韻，進(jìn)一步古詩詞的韻味傳遞到英文之中，還有點翻譯家許淵沖的味道在了。

這種時候，Claude 3.5 Sonnet相形見絀，只是完成了意思上的翻譯，卻沒能做到傳神。

學(xué)術(shù)論文翻譯場景中，對準(zhǔn)確度要求更高，而且不同領(lǐng)域都有各自的專業(yè)詞匯，這要求AI翻譯不僅要掌握海量專有名詞，還能結(jié)合上下文分析出對應(yīng)語境，才能給出正確的譯文。

以翻譯CVPR2025這篇滿分論文為例，給它的翻譯任務(wù)是：翻譯這張圖片的圖注。

（將圖注文字復(fù)制后輸入給模型，不涉及多模態(tài)輸入）

可以看到原文圖注中MSE、MMD都只提供了縮寫。子曰2.0準(zhǔn)確將英文縮寫翻譯為了計算機(jī)領(lǐng)域的專有詞匯，給出了更完整且正確的翻譯（下文標(biāo)粗部分）。

子曰大模型2.0：

圖 1.不同數(shù)據(jù)集蒸餾范式的比較。（a）均方誤差（MSE）方法在歐幾里得空間（記為 ZR）中比較點對點特征，而最大均值差異（MMD）則在希爾伯特空間（ZH）中評估矩差異。

對比Claude 3.5 Sonnet，并沒有做到這一點：

圖1. 不同數(shù)據(jù)集蒸餾范式的比較。(a) MSE方法在歐幾里得空間(記為ZR)中比較逐點特征，而MMD在希爾伯特空間(ZH)中評估矩分布差異。

而對于自己不了解的專有名詞，子曰2.0會選擇不翻譯而不是錯譯。相對于通用大模型，“幻覺”問題進(jìn)一步減少。

比如翻譯蜜雪冰城招股書的內(nèi)容時，原文“according to CIC”部分里的CIC（圖中紅色框），由于提供的文本片段不完整，子曰2.0根據(jù)上下文無法得知它是什么名詞的縮寫，因此選擇不翻譯。

子曰2.0結(jié)果：

Claude 3.5 Sonnet將CIC翻譯成了中投顧問，參考招股書中文版原文，CIC應(yīng)該指灼識咨詢，翻譯錯誤。

此外在譯文用詞方面（圖中綠色框），子曰2.0結(jié)合語境將expansive翻譯為“龐大的”，用來修飾供應(yīng)鏈更貼切；Claude則直譯為了廣泛的，在中文語法上有語病。

語句結(jié)構(gòu)上（圖中粉色框），子曰2.0翻譯的版本也更簡潔、符合國人遣詞造句邏輯。

在醫(yī)學(xué)論文中，對于大段翻譯，子曰2.0的結(jié)果更加自然通順、符合中文文法，也更利于被理解。

比如翻譯論文《Prohormone cleavage prediction uncovers a non-incretin anti-obesity peptide》的討論部分。

對于如下這句的翻譯，Claude 3.5 Sonnet只能做到直譯：

使用基因敲除小鼠研究切割肽很困難，因為像BRP這樣的小肽片段的治療效果可能在缺乏親本蛋白（即BRINP2）的小鼠中無法體現(xiàn)。

子曰2.0的翻譯更符合中文表達(dá)習(xí)慣，先說原因、再說結(jié)果，并讓翻譯結(jié)果更加流暢易懂：

由于小肽片段（如 BRP）的治療效果可能不會在缺乏親本蛋白（即 BRINP2）的小鼠中體現(xiàn)出來，因此使用基因敲除小鼠來研究裂解肽頗具難度。

在更全面維度的評測中，子曰2.0的表現(xiàn)也值得關(guān)注。

一方面，在國際權(quán)威翻譯測試集中，它較上一版本（子曰1.5）有全方位提升。

WMT (Workshop on Machine Translation) 數(shù)據(jù)集是一系列用于機(jī)器翻譯的基準(zhǔn)數(shù)據(jù)集。包含多種語言對的翻譯數(shù)據(jù)，這些數(shù)據(jù)通常來自于新聞文章、議會記錄、書籍以及其他公開可用的文本資源。這些數(shù)據(jù)集被廣泛用于訓(xùn)練、評估和比較不同的機(jī)器翻譯系統(tǒng)。

Flores-200 數(shù)據(jù)集是Meta構(gòu)建的一個評估數(shù)據(jù)集，專門用于機(jī)器翻譯的高質(zhì)量基準(zhǔn)，涵蓋204種語言，并且允許評估模型在 40,000 種不同語言方向上的性能。

另一方面，通過嚴(yán)謹(jǐn)?shù)娜斯げ杉鞒?，網(wǎng)易有道構(gòu)建了涵蓋人文學(xué)科、商學(xué)、生活服務(wù)、醫(yī)療、科學(xué)等19大領(lǐng)域的數(shù)據(jù)樣本集，并制定了全面精細(xì)的MQM評測方案，從專業(yè)性、準(zhǔn)確性、語言慣例和風(fēng)格等維度打分。

和國內(nèi)外主流通用大模型的評估結(jié)果如下（英譯中）：

所以，子曰2.0如何做到？

沒有被取代，反而變更強(qiáng)

以子曰2.0為底座，網(wǎng)易有道翻譯完成了底層技術(shù)的迭代，在算法、數(shù)據(jù)、評估多個維度都帶來創(chuàng)新。

在技術(shù)層面，子曰2.0在數(shù)據(jù)、算法以及評估上都進(jìn)一步升級。

首先，翻譯模型作為一個“文科生”，更高質(zhì)量、更大規(guī)模、更豐富領(lǐng)域的訓(xùn)練語料會直接影響模型的翻譯質(zhì)量。

子曰2.0吸納了由人工清洗的數(shù)千萬高質(zhì)量翻譯數(shù)據(jù)，其中包含海量學(xué)術(shù)論文、國際新聞、權(quán)威詞典，可以進(jìn)一步提高模型在專業(yè)維度的翻譯水平，比通用大模型更懂不同垂直領(lǐng)域。

更進(jìn)一步讓專業(yè)翻譯人員為海量提示詞進(jìn)行精細(xì)化標(biāo)注，為模型提供更專業(yè)權(quán)威的參考，以此增強(qiáng)模型領(lǐng)域適應(yīng)性、優(yōu)化上下文理解、提升翻譯質(zhì)量。

其次來看核心算法層面，也是本次迭代的重點。

第一，它以子曰教育大模型為基礎(chǔ)進(jìn)行二次訓(xùn)練，進(jìn)一步提升了模型在翻譯任務(wù)的表現(xiàn)，使其更具專業(yè)性和針對性。

第二，通過蒸餾（也是DeepSeek物美價廉背后的關(guān)竅）和大模型融合，子曰2.0在吸收兩個大模型知識的同時，還實現(xiàn)了參數(shù)精簡，能兼顧性能和運行效率、推理效率。

大模型融合通常是將一個或多個“教師”模型的知識傳遞給“學(xué)生”模型，使得學(xué)生模型能夠在學(xué)習(xí)新任務(wù)同時保留舊知識，可以很好避免模型的災(zāi)難性遺忘問題。

第三，引入Online DPO。

DPO是一種基于人類偏好數(shù)據(jù)進(jìn)行優(yōu)化的方法，它避免了傳統(tǒng)強(qiáng)化學(xué)習(xí)中復(fù)雜的獎勵模型訓(xùn)練和策略優(yōu)化過程，將偏好學(xué)習(xí)轉(zhuǎn)化為一個簡單的二分類問題，直接優(yōu)化模型的輸出相對概率。

Online DPO更進(jìn)一步拓展了DPO的能力，在多領(lǐng)域?qū)R中能快速調(diào)整模型以符合特定領(lǐng)域偏好，并允許模型在實時反饋中動態(tài)調(diào)整，確保在不同偏好數(shù)據(jù)上的持續(xù)優(yōu)化。

最后在評估維度，子曰2.0采用了自研翻譯評估模型，其準(zhǔn)確率超越當(dāng)前最先進(jìn)的評估指標(biāo)COMET，為翻譯大模型性能評估提供可靠的量化數(shù)據(jù)。

在人工標(biāo)注與評估上，子曰2.0采用了人工標(biāo)注的開發(fā)集和盲測集。這些數(shù)據(jù)集覆蓋多個領(lǐng)域，由專業(yè)人員精細(xì)化標(biāo)注，并且在評估過程中嚴(yán)格分離開發(fā)集和盲測集，確保結(jié)果的客觀和準(zhǔn)確。

現(xiàn)在，打開網(wǎng)易有道詞典/翻譯，通過AI翻譯即可體驗到子曰2.0的能力。

這意味著，大模型浪潮下，原本被認(rèn)為會被AI取代的翻譯App，通過向大模型借力，正在變得更強(qiáng)。

場景為王趨勢下，垂直賽道玩家“拿釘找錘”，能更快速帶來落地成果。

實際上，在大模型落地趨勢中，場景玩家成為第一批將大模型深度結(jié)合并產(chǎn)生深遠(yuǎn)影響的“探險家”。

比如辦公領(lǐng)域的WPS、飛書；設(shè)計領(lǐng)域的Adobe、美圖秀秀等。它們快速完成AI化升級，并帶來實際營收上的增長。

這共同驗證了一條規(guī)律，大模型浪潮下，相比于一個大模型應(yīng)用承接所有用戶需求，更可能發(fā)生的情況或許是大模型重塑不同垂直應(yīng)用。

大模型是一個全新的工具，來撬動更大的需求和價值。

就以翻譯領(lǐng)域為例，盡管通用模型可以解決一些普通翻譯問題，但是大模型幻覺依舊存在，漏譯、錯譯、多譯的情況時有發(fā)生，對翻譯準(zhǔn)確性敏感的用戶（比如科研人員），對大模型的翻譯結(jié)果依舊無法完全信任。

這不是危言聳聽，而是許多人真實踩過的坑。尤其是在大篇幅翻譯的場景下，人工核對稍有不慎就可能給自己的論文、研究造成負(fù)面影響。

由此，在垂直領(lǐng)域內(nèi)，專業(yè)的事或許還得交給專業(yè)的人。大模型時代，我們或許仍舊需要一個專業(yè)的翻譯工具。它可以由AI加持，但是翻譯出的內(nèi)容卻絲毫不帶AI味兒。

大模型東風(fēng)一吹，不只吹來大模型本身，更吹來一眾AI+應(yīng)用。

新的趨勢和浪潮，由他們共同組成。