في دراسة جديدة، تمّ تقديم خطوات مبتكرة في تحسين ترجمة اللغات المتعددة باستخدام نماذج لغوية ضخمة مفتوحة (Open Large Language Models) بدون الاعتماد على المراجع التقليدية. بدأ الفريق بأداء النماذج المقواة بالتدريب المباشر، مستفيدين من مجموعة متنوعة من لغات العالم.
تم تطبيق تقنية جديدة تُسمى تحسين السياسة النسبي الجماعي (Group Relative Policy Optimization - GRPO)، التي تعتمد على نموذجين لتقدير الجودة بدون مراجع، مع التركيز على تحديد اللغة. من ثم، أجرى الباحثون تعديلًا على نقاط التفتيش لنماذج التعلم المدعم (Reinforcement Learning - RL) والتدريب المباشر (Supervised Fine-Tuning - SFT) لتطوير نموذج MiLMMT-46-v1.0.
نتائج النموذج الجديد كانت مثيرة للإعجاب، حيث سجلت تحسينات ملحوظة في جودة الترجمة عبر 46 لغة، وتفوقت بشكل ملحوظ على النماذج السابقة القوية مثل Seed-X وHY-MT2 وTranslateGemma. كما حقق النموذج الجديد نتائج مرموقة بدون مراجع مقابل أنظمة خاصة مثل Google Translate وGemini 3 Pro وGPT-5.
هذا الابتكار لا يساهم فقط في تحسين الجودة، بل يتم أيضًا الكشف عن الكود والنماذج لتعزيز البحث المستقبلي في هذا المجال المتقدم.
ما رأيكم في هذه التحسينات الثورية؟ طفرة في الترجمة أم مجرد خطوة صغيرة في عالم الذكاء الاصطناعي؟ شاركونا في التعليقات.