論文の概要: HY-MT1.5 Technical Report

• arxiv url: http://arxiv.org/abs/2512.24092v1
• Date: Tue, 30 Dec 2025 09:06:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-01 23:27:28.336479
• Title: HY-MT1.5 Technical Report
• Title（参考訳）: HY-MT1.5技術報告
• Abstract要約: HY-MT1.5-1.8BとHY-MT1.5-7Bは、高性能翻訳に適した総合的なトレーニングフレームワークによって開発された新しい機械翻訳モデルである。 本手法は, 汎用およびMT指向のプレトレーニング, 微調整, オンライン蒸留, 強化学習を統合した多段階パイプラインを編成する。
• 参考スコア（独自算出の注目度）: 24.77479897240016
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this report, we introduce our latest translation models, HY-MT1.5-1.8B and HY-MT1.5-7B, a new family of machine translation models developed through a holistic training framework tailored for high-performance translation. Our methodology orchestrates a multi-stage pipeline that integrates general and MT-oriented pre-training, supervised fine-tuning, on-policy distillation, and reinforcement learning. HY-MT1.5-1.8B, the 1.8B-parameter model demonstrates remarkable parameter efficiency, comprehensively outperforming significantly larger open-source baselines (e.g., Tower-Plus-72B, Qwen3-32B) and mainstream commercial APIs (e.g., Microsoft Translator, Doubao Translator) in standard Chinese-foreign and English-foreign tasks. It achieves approximately 90% of the performance of ultra-large proprietary models such as Gemini-3.0-Pro, while marginally trailing Gemini-3.0-Pro on WMT25 and Mandarin-minority language benchmarks, it maintains a substantial lead over other competing models. Furthermore, HY-MT1.5-7B establishes a new state-of-the-art for its size class, achieving 95% of Gemini-3.0-Pro's performance on Flores-200 and surpassing it on the challenging WMT25 and Mandarin-minority language test sets. Beyond standard translation, the HY-MT1.5 series supports advanced constraints, including terminology intervention, context-aware translation, and format preservation. Extensive empirical evaluations confirm that both models offer highly competitive, robust solutions for general and specialized translation tasks within their respective parameter scales.
• Abstract（参考訳）: 本稿では,最新の翻訳モデルHY-MT1.5-1.8BとHY-MT1.5-7Bを紹介する。 本手法は, 汎用およびMT指向のプレトレーニング, 微調整, オンライン蒸留, 強化学習を統合した多段階パイプラインを編成する。 HY-MT1.5-1.8Bは、1.8Bパラメータモデルであり、非常に大きなオープンソースベースライン(例: Tower-Plus-72B、Qwen3-32B、例: Microsoft Translator、Doubao Translator)と主要な商用API(例: Microsoft Translator、Doubao Translator)を標準の中国語と英語の対外タスクで総合的に上回っている。 ジェミニ3.0-Proのような超大型のプロプライエタリなモデルの性能の約90%を達成し、WMT25やマンダリンマイノリティ言語ベンチマークではゲミニ3.0-Proをわずかに上回っているが、他の競合モデルよりも大きくリードしている。 さらにHY-MT1.5-7Bは、Gemini-3.0-Pro のFlores-200 における性能の95%を達成し、挑戦的な WMT25 と Mandarin-minority 言語テストセットで上回っている。 HY-MT1.5シリーズは、標準翻訳以外にも、用語の介入、文脈対応翻訳、フォーマット保存といった高度な制約をサポートしている。 広範囲にわたる経験的評価により、どちらのモデルも、それぞれのパラメータスケール内での一般および専門的な翻訳タスクに対して、高い競争力と堅牢なソリューションを提供することを確認した。

関連論文リスト

• North Small Translate: Advanced Cost-Effective Translation (Cohere CAT+) [51.77806201331947]
  North Small Translate(ノース・スモール・トランスレーション)は、命令追従機能を備えたオープンウェイトLLMベースの機械翻訳(MT)モデルである。 North Small Translateは、難しい文書を取得するのに難易度サンプリングを使用して訓練されている。 このモデルは1Tパラメータの下のモデルのクラスにおいて、50言語で最高のMT性能を達成する。
  論文  参考訳（メタデータ） (2026-09-12T13:02:13Z)
• CAT-Translate: Building Compact Open-Source Models for Japanese-English Translation [16.295305195753723]
  日本語と英語の双方向翻訳に特化した小言語モデル群(0.8B,1.4B,3.3B,7Bパラメータ)を開発した。 我々は、ビジネス、法律、医療、ファイナンシャル、特許ドメインにわたるWMTおよび実世界の翻訳ベンチマークに関するモデルを評価する。
  論文  参考訳（メタデータ） (2026-06-19T13:28:59Z)
• Hy-MT2: A Family of Fast, Efficient and Powerful Multilingual Translation Models in the Wild [28.747270164782673]
  Hy-MT2は、一般的な実世界のビジネス、ドメイン固有、命令フォローする翻訳タスクで優れたパフォーマンスを提供する。 7Bと30Bは、DeepSeek-V4-ProやKim K2.6のようなオープンソースモデルよりも高速に考えられたモードで優れている。 軽量の1.8Bモデルは440MBのストレージしか必要とせず、1.5倍の推論スピードアップを実現している。
  論文  参考訳（メタデータ） (2026-05-21T07:00:06Z)
• MinerU2.5-Pro: Pushing the Limits of Data-Centric Document Parsing at Scale [92.09717763663873]
  我々は、データエンジニアリングとトレーニング戦略設計を通じて、純粋に最先端の技術を進化させるMinerU2.5-Proを提案する。 コアとなるのは、カバレッジ、情報性、アノテーションの正確性を中心に設計されたData Engineだ。 我々は,MinerU2.5-Pro が OmniDocBench v1.6 上で 95.69 を達成することを示す。
  論文  参考訳（メタデータ） (2026-04-06T15:44:18Z)
• Omnilingual MT: Machine Translation for 1,600 Languages [58.66170104105936]
  我々は,1600以上の言語をサポートする最初の機械翻訳システムであるOmnilingual Machine Translation (OMT)を提案する。 このスケールは、大規模な公開多言語コーパスと新たに作成されたデータセットを統合する包括的なデータ戦略によって実現されている。 OMTモデルは言語間移動を改善し、1,600の評価において、MTのパズルの「理解」部分を解くのに近づいている。
  論文  参考訳（メタデータ） (2026-03-17T09:43:42Z)
• MTQE.en-he: Machine Translation Quality Estimation for English-Hebrew [1.3821781249379796]
  MTQE.en-heは、機械翻訳品質推定のための最初の公開ベンチマークである。 ChatGPTプロンプト、TransQuest、CometKiwiをベンチマークします。 TransQuestとCometKiwiによる微調整実験では、フルモデルのアップデートがオーバーフィットと分散崩壊に敏感であることが明らかになった。
  論文  参考訳（メタデータ） (2026-02-06T09:51:45Z)
• TranslateGemma Technical Report [39.30046490326195]
  Gemma 3基盤モデルに基づくオープンマシン翻訳モデルのスイートであるTranslateGemmaを提示する。 すべてのサイズにわたるベースラインGemma 3モデルに対して、一貫性と実質的な向上を示します。 また,TranslateGemmaモデルでは,Vistra画像変換ベンチマークの性能向上とともに,強力なマルチモーダル機能を維持していることを示す。
  論文  参考訳（メタデータ） (2026-01-13T22:23:24Z)
• Hunyuan-MT Technical Report [20.87433605086714]
  Hunyuan-MT-7Bは33の主要言語にまたがる双方向翻訳をサポートしている。 Hunyuan-MT-Chimera-7Bは、スローシンキングモードにインスパイアされた翻訳モデルである。
  論文  参考訳（メタデータ） (2025-09-05T16:11:05Z)
• Towards Zero-Shot Multimodal Machine Translation [64.9141931372384]
  本稿では,マルチモーダル機械翻訳システムの学習において,完全教師付きデータの必要性を回避する手法を提案する。 我々の手法はZeroMMTと呼ばれ、2つの目的の混合で学習することで、強いテキストのみの機械翻訳(MT)モデルを適応させることである。 本手法が完全に教師付きトレーニングデータを持たない言語に一般化されることを証明するため,CoMMuTE評価データセットをアラビア語,ロシア語,中国語の3言語に拡張した。
  論文  参考訳（メタデータ） (2024-07-18T15:20:31Z)
• Contrastive Preference Optimization: Pushing the Boundaries of LLM Performance in Machine Translation [50.00235162432848]
  我々は22Kパラレル文と12Mパラメータしか持たないALMAモデルを訓練する。 ALMA-Rと呼ばれる結果のモデルは、WMTコンテストの勝者とGPT-4のパフォーマンスと一致または上回ることができる。
  論文  参考訳（メタデータ） (2024-01-16T15:04:51Z)
• A Paradigm Shift in Machine Translation: Boosting Translation Performance of Large Language Models [27.777372498182864]
  生成型大規模言語モデル(LLM)のための新しい微調整手法を提案する。 提案手法は,モノリンガルデータに対する初期微調整と,それに続く少数の高品質並列データに対する微調整の2段階からなる。 LLaMA-2を基礎モデルとして,このモデルではゼロショット性能よりも12BLEUおよび12COMETの平均的な改善が達成できることを示した。
  論文  参考訳（メタデータ） (2023-09-20T22:53:15Z)
• Adapted Multimodal BERT with Layer-wise Fusion for Sentiment Analysis [84.12658971655253]
  本稿では,マルチモーダルタスクのためのBERTベースのアーキテクチャであるAdapted Multimodal BERTを提案する。 アダプタはタスクの事前訓練された言語モデルを手動で調整し、融合層はタスク固有の層ワイドな音声視覚情報とテキストBERT表現を融合させる。 われわれは、このアプローチがより効率的なモデルにつながり、微調整されたモデルよりも優れ、ノイズの入力に堅牢であることを示した。
  論文  参考訳（メタデータ） (2022-12-01T17:31:42Z)
• Vega-MT: The JD Explore Academy Translation System for WMT22 [67.71016343958556]
  言語ペアとモデルサイズという2つの主要な要因をスケールアップすることで、これまでの作業の限界を押し上げます。 第1位はZh-En(45.1)、En-Zh(61.7)、De-En(58.0)、En-De(63.2)、Cs-En(74.7)、Ru-En(64.9)、En-Ru(69.6)、En-Ja(65.1)、En-Cs(95.3)、Ja-En(40.6)である。
  論文  参考訳（メタデータ） (2022-09-20T03:45:24Z)
• Towards Making the Most of Multilingual Pretraining for Zero-Shot Neural Machine Translation [74.158365847236]
  SixT++は、100のソース言語をサポートする強力な多言語NMTモデルであるが、たった6つのソース言語からの並列データセットで一度トレーニングされている。 CRISSとm2m-100は、それぞれ7.2と5.0BLEUの2つの強い多言語NMTシステムより大幅に優れていた。
  論文  参考訳（メタデータ） (2021-10-16T10:59:39Z)
• Zero-shot Cross-lingual Transfer of Neural Machine Translation with Multilingual Pretrained Encoders [74.89326277221072]
  多言語プリトレーニング済みエンコーダによるNMTモデルのクロスリンガル転送を改善する方法は、未検討です。 このタスクのシンプルで効果的なモデルであるSixTを提案します。 私達のモデルはCRISSおよびm2m-100より多くの英語テストセットでよりよい性能を達成します。
  論文  参考訳（メタデータ） (2021-04-18T07:42:45Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。