|
AI前沿速览 | 大模型时代，翻译从未如此重要！Smartling全球准备会议将于2024年5月8日召开  Smartling全球准备会议（Global Ready Conference）将于2024年5月8日召开，会议议程精彩纷呈，致力于与众多专业人士及全球客户分享Smartling的前沿创新发展，为本地化行业及相关技术发展提供有价值的见解。（原文链接：https://linguaresources.com/?p=30260）
什么是翻译对齐?  本文介绍了什么是翻译对齐，通过翻译对齐，可以加速翻译记忆库的创建、节省时间和精力并且增加翻译的一致性，对齐时可选择对齐单个文档或对齐多个文档（原文链接：https://linguaresources.com/?p=30506）
大语言模型对翻译的影响：机器翻译发展的新动力  随着大语言模型的应用，专业语言学家的角色发生了重大变化，他们的任务集中在译后编辑和审查机器输出。随着机器翻译的进步，针对特定领域、内容类型和用例的可定制性越来越强，重点越来越转向两个关键任务：首先，确定翻译的哪些部分可能需要改进。其次，利用这种洞察力将精力集中在这些领域，以实现期望的增强。（原文链接：https://linguaresources.com/?p=30407）
为谷歌BERT算法的多语言搜索引擎优化和内容创建  如今，公司需要针对每个目标市场创建高质量的内容，以优化搜索引擎结果。谷歌的BERT算法是需要完善你的内容以优化搜索引擎结果背后的驱动力。（原文链接：https://linguaresources.com/?p=30405）
加拿大翻译局再次被要求解决口译员听力损伤问题  加拿大劳工部要求翻译局保护口译员免受声学伤害，实施措施以应对远程口译中的挑战。（原文链接：https://linguaresources.com/?p=30497）
Anthropic的Claude 3 Opus是一款良好的低资源翻译器  Enis和Hopkins展示了LLM的潜力，通过知识蒸馏创造出优秀的紧凑型NMT模型，预示着机器翻译的未来。（原文链接：https://linguaresources.com/?p=30494）
翻译质量评估是否已经解决？  大多数语言行业专业人士都会同意，机器翻译（MT）在质量上显著提高，无论是以BLEU、COMET或任何其他知名参数来衡量质量。但这些自动化指标并不能消除确保最终目标语言产品实际符合要求和标准的需求。（原文链接：https://linguaresources.com/?p=30489）
Phi-3和高性能iPhone LLM 的开端  微软发布Phi-3技术报告，展示高质量数据提升小型LLM在手机上的性能，推理速度显著提升，推动移动硬件发展。（原文链接：https://linguaresources.com/?p=30519）
本地化自动化如何让公司获得345%的投资回报率  DeepL与市场研究公司Forrester Consulting合作制作了整体经济影响报告，结果表明，可重复且完全可扩展的自动化人工智能翻译流程可以使公司自信地设计多区域营销策略，同时获得众多收益。（原文链接：https://linguaresources.com/?p=30523）
微软为OpenAI斥资10亿美元，AI梦寐以求的圣杯  微软向OpenAI投资10亿美元，双方共同开发新技术，并使微软成为OpenAI的云计算服务提供商，OpenAI亦将授权其技术给微软以实现商业化。两家公司目前致力于创造人工通用智能。（原文链接：https://linguaresources.com/?p=30526）
打造全球化内容与消费者互动战略的三大趋势  机器翻译巨头DeepL推出了为企业量身定制的AI写作助手——DeepL Write Pro，在起草过程中充当创意助手。（原文链接：https://linguaresources.com/?p=30529）
如何增强LLM评估以实现负责任的人工智能  利用低资源语言的人类反馈，提高数据质量并对伦理人工智能进行微调，以改进LLM；通过改变评估过程，采用包容性多语言主义，以创建道德和可靠的人工智能系统，以解决低资源语言中LLM流利度的挑战。（原文链接：https://linguaresources.com/?p=30532）
对比人工智能本地化与传统本地化  ISmartling的神经机器翻译中枢可实现本地化全过程皆使用人工智能；AI本地化与传统本地化的区别在于可自动接收内容、优化预翻译、翻译质量评估以及费用、速度等。（原文链接：https://linguaresources.com/?p=30310）
对于LLMs长文档摘要评估来说简洁即是效率  利用抽取-然后评估的方法评估长文档生成摘要的质量；该方法专注于从源文档中提取关键句子，然后根据这些提取的句子来评估摘要。该方法有效地解决了“中间遗失”问题，并显著降低了评估所需的计算资源。（原文链接：https://linguaresources.com/?p=30535）
监督微调逐步分解  监督微调流程步骤大致包括任务定义和模型选择，数据准备，数据集标记，微调语言模型，评估微调的LLM和模型部署。（原文链接：https://linguaresources.com/?p=30538）
功能强大的新聊天机器人神秘地出现又消失  人工智能发展迅猛，gpt2-chatbot这一来去匆匆的聊天机器人预示着可能有新的人工智能模型即将问世。（原文链接：https://linguaresources.com/?p=30541）
大型语言模型已成为信息战的武器  俄罗斯关联的CopyCop网络利用大型语言模型操纵媒体内容，规模惊人，凸显AI在信息战中的强大影响力。（原文链接：https://linguaresources.com/?p=30544）
Reddit首席执行官称机器翻“解锁”增长潜力  Reddit首席执行官兼联合创始人史蒂夫·霍夫曼谈及该公司如何投资于机器学习和人工智能，以更新和改进Reddit本地应用程序的一些核心功能，并强调机器翻译将是Reddit国际增长的关键。（原文链接：https://linguaresources.com/?p=30547）
OpenAI最新动态：优化微调API，丰富定制模型计划  OpenAI发布了API新功能，提高开发者对模型微调的控制，并丰富了定制模型计划，支持开发者在减少成本和延迟的同时，提升模型性能和准确性；其定制模型计划可帮助组织优化专用模型。（原文链接：https://linguaresources.com/?p=30550）
OpenAI动态：为先进的人工智能重新构想安全基础设施  OpenAI呼吁革新现有的安全基础设施，保护先进的AI系统，并提出了六项安全措施，包括AI加速器的可信计算、网络和租户隔离保证、数据中心的操作和物理安全创新、AI专用审查和合规程序、用AI进行网络防御等。（原文链接：https://linguaresources.com/?p=30553）
原创编辑：王雅洁 推文编辑：李丹 审核：朱华 陈佳艺 |
