今天是2026年10月15日，星期四，北京，天气晴。
来看一个领域大模型进展，关于WMT26翻译大模型冠军方案，其中有两个模型，Lumen（Qwen‑MT‑Lumen）、Wayfinder，看下思路。
值得注意的是，在评估侧：WMT26今年重大改动：彻底弃用BLEU/COMET等自动指标做官方排名，全部依靠全新cESA大规模对比式人工评测，动态评估机制，性能更好的模型获得更多人工标注样本，规避自动指标过拟合风险。
整体都在变化，大家可以多关注。
一、WMT26翻译大模型方案的实现思路
WMT26机器翻译大赛冠军模型，WMT官方报告：https://www2.statmt.org/wmt26/pdf/2026.wmt-1.48.pdf，Qwen-MT-Lumen论文：https://www2.statmt.org/wmt26/pdf/2026.wmt-1.81.pdf，Wayfinder论文：https://www2.statmt.org/wmt26/pdf/2026.wmt-1.78.pdf
其中，有2个模型，可以看下：
1、Lumen（Qwen‑MT‑Lumen）
Lumen证明：14B规模的开源模型，经过面向翻译任务的全套训练（持续预训练+SFT+在线偏好对齐+策略蒸馏），可以逼近闭源巨头翻译能力，兼顾复杂指令、JSON/HTML结构化翻译，适合私有化落地。
采用的是四阶段完整训练流水线：
Stage1：CPT持续预训练+SFT监督微调。
CPT阶段使用贴合WMT26任务领域（新闻、社交、软件、口语、事实核查、教育）多语言语料做持续预训练，补强小语种、低资源语言能力；
SFT阶段混合双语平行翻译数据+翻译指令专用数据（风格正式/口语、术语表、JSON结构化输出），大部分样本是普通翻译，小部分加入翻译约束指令；指令数据大部分靠LLM合成。
Stage2：Online‑M²PO在线多视角多对偏好优化（RL偏好对齐），此阶段主要提升翻译质量，对指令跟随增益有限。
区别于离线固定偏好数据集，模型实时采样候选翻译，使用DeepSeek‑V4‑Pro作为LLM裁判打分，动态生成偏好样本做强化学习，重点提升翻译的忠实度、流畅度。
Stage3：OPD On‑Policy Distillation在线策略蒸馏。
这块使用教师模型：冻结的Qwen3‑32B‑Instruct；学生就是14B的Lumen。关键点：不是拿教师输出做静态数据集蒸馏。学生自己生成翻译轨迹，教师对学生生成的每一步token输出做监督，把大模型更强的指令遵循能力迁移过来**。解决RL阶段模型翻译很好，但遵守格式、风格指令偏弱的短板。
Stage4：结构感知推理+选择性修复。
这个阶段专门处理JSON、HTML结构化输入：只翻译文本内容，保留key、占位符、标签；
同时使用规则检查：长度异常、循环重复、脚本错误、源文本残留；轻微问题确定性修复，严重问题调用Qwen3.5‑4B重写；普通正确译文不会改动，避免引入新错误。
2、Wayfinder
Wayfinder证明Agent融合路线的上限：不需要训练新权重，通过多候选+匿名选择+严格的错误后校验，也可以拿到SOTA翻译效果，但代价是极高推理成本，适合离线任务，不适合线上高并发。
这个部分采用的策略是四阶段Agent流水线
一阶段：证据聚合Evidence Aggregation。将源文档、翻译指令、元信息、4份候选翻译，加上DeepSeek‑V4‑Pro给出的统一打分排序结果，组装每个文档的完整证据记录。
二阶段：匿名选择/改写Agent Anonymized Pick‑or‑Rewrite Agent
具体的，将4个模型输出匿名标记为A/B/C/D，隐藏原始模型身份，防止Agent对某家模型有固有偏见。
Agent二选一：pick直接原样挑选最好一份候选；或者rewrite融合多个候选做改写修正。严格遵循一套优先级评估标准：指令遵守>结构完整>忠实度>术语实体>语法>语体流畅度。
三阶段：保守后检查Conservative Post check。
这个阶段只修复严重硬错误，禁止做通用润色改写，具体的：
检测：截断、重复生成、JSON损坏、语种错乱、空输出；
简单机械问题做确定性修复；实质性错误才调用修复Agent重写；没问题的译文完全不动。
四阶段裁判引导迭代Judge‑Guided Iteration（仅开发调优阶段，非推理阶段）。
开发阶段，拿GPT‑5.5作为锚定基线；识别表现差的文档，迭代更新prompt和后处理规则，重跑困难样本，迭代优化整套Agent流程。
最后，WMT26放弃自动指标全部用大规模对比人工评测cESA，代表机器翻译评估范式转向；自动指标容易被过拟合，而专项测试套件可以挖掘普通评测看不见的缺陷。
二、关于我们
老刘说NLP技术社区，自2022年建立以来，以公正、客观的角度，围绕知识图谱本体论+RAG知识库+Agent智能体三个方向做深入跟进，加入方式在：https://mp.weixin.qq.com/s/_sEWHeV20sN1JcwGJU9tJw