研究人员引入了Sentence Translation Alignment Rate (STAR)，这是一种辅助指标，旨在量化文档到文档机器翻译中句子级的结构保真度，解决遗漏和幻觉等问题。他们提出了STAR-masked Preference Optimization (StarPO)，这是一个根据结构质量对假设进行排序的框架，并使用动态对齐掩码将优化集中在未对齐的片段上。

  • STAR明确测量结构保真度，以解决源语言与目标语言对应关系的违规问题。
  • StarPO利用动态对齐掩码在训练期间优化特定的未对齐片段。
  • 在新闻和文学领域的实验表明，翻译质量和完整性有显著提升。
  • 使用StarPO的紧凑模型在保持更高令牌效率的同时，性能超越了GPT-4o等庞大的专有系统。

该框架使较小的模型能够超越大型专有系统，同时保持更好的令牌效率。