机构

Queen's University Belfast

位于北爱尔兰贝尔法斯特的公立研究型大学,在自然语言处理与机器翻译方向活跃。

用 RL 加 chrF 奖励训练大模型照着上下文翻译,学到的是读上下文而非背语言。五种未见语言上平均 0.3335 chrF,SFT 只有 0.2300,跌破基座。