评估LLM用于机器翻译质量标注

2026年10月12日，Apple Machine Learning Research 发表论文，评估大语言模型在机器翻译质量标注任务上的表现。研究针对两种主流评估方案——多维质量指标（MQM）与错误跨度标注（ESA），通过比较模型与人类标注者的一致性来衡量其能力。测试覆盖70个语言对的长上下文测试集，以及公开的 WMT23、WMT25 数据。论文指出，无论是人类还是模型，在这类质量标注任务中都面临挑战。目前该研究已发布，后续进展有待跟进。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。