7.7
深览指数
科技Bestblogs·哔哩哔哩技术··AI 生成
EMNLP 2026 Oral｜HOMURA：面向时间受限场景的 LLM 翻译强化学习优化
大语言模型在多语言翻译中普遍存在30%-40%的跨语言冗长偏差，导致译文无法适配视频字幕、配音等严格时间预算场景。哔哩哔哩团队提出HOMURA强化学习框架，通过动态音节比例奖励和GRPO优化，让模型学会语义重构而非生硬删减，将长度压缩到极限。研究揭示中英翻译存在约0.49的'有效压缩阈值'，HOMURA在逼近该极限的同时保持高语义保真度，已在B站原声翻译业务规模化落地。适合从事音视频本地化、LLM对齐或机器翻译的工程与研究人员阅读。原文 ↗
核心观点
- ▍大语言模型存在系统性的跨语言冗长偏差，主流模型普遍比理想状态多出30%至40%的额外冗余，无法自发满足视频字幕等时间受限场景。
- ▍HOMURA通过动态音节比例奖励和GRPO优化，让LLM学会语义重构而非删减，在逼近语义压缩物理极限（如中英约0.49）的同时维持高语义保真度。
- 01B站团队提出回环膨胀率指标（计算翻译再回译后的长度比），用于诊断与语言无关的模型冗长倾向，理想值应为1.0，主流模型普遍大于1。
- 02研究引入基于全人类恒定约39 bits/s等信息量原则的音节度量，构建Sand-Glass评估基准，用各语言音节速率与密度差异设定时间预算目标区间。
- 03HOMURA利用GRPO免去Critic网络计算开销，采用平方指数衰减的动态音节比例奖励及短句平滑机制，配合基于思维链推理的生成式奖励模型（GenRM）打分。
- 04实验发现中英翻译存在约0.49的'有效压缩阈值'，一旦压缩要求低于该阈值，语义准确性会发生非线性崩塌。
- 05HOMURA在Sand-Glass基准上相比基线模型（包括GPT-4、Qwen、Llama等）显著降低超限率，同时维持Bleu和COMET得分不降。
- 06研究成果已集成至开源Index-Translate系列，并在B站视频原声翻译业务中规模化落地。
- 07该研究已被EMNLP 2026接收为Oral报告，属于顶会顶级接收类别。
反方 / 局限
- — 文章未讨论HOMURA在不同语言对（如日语-德语、阿拉伯语-俄语）上的泛化性，所有实验聚焦中英和英中等主流语言对。
- — 动态音节奖励依赖于手工设定的目标区间，对于尚未有音节速率统计的低资源语言，框架的零适配性未验证。
- — 文章没有给出GenRM思维链推理的计算开销对比，在'时间受限'场景下，推理阶段的额外延迟可能抵消部分收益。
4 分钟 · 3 卡片 · 6 资料
读原文 →