热点事件持续更新
研究评估大模型在机器翻译质量标注中的表现
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
2026年10月9日，发表于arXiv的研究评估了大语言模型在MQM和ESA两种机器翻译质量评测方案下的表现。该研究基于涵盖70种语言对的长上下文测试集以及WMT23、WMT25公开数据展开测试。研究结果显示，大模型与人类标注者的一致性在多数场景下依然不可靠；人类标注者在细粒度MQM和低资源语言上存在局限，而大模型则难以应对轻微错误、语言变体以及错误跨度的标注任务。
AI 根据报道生成 · 5 小时前更新
最新进展10月9日 12:00
研究显示大模型在机器翻译质量标注中与人类一致性在多数场景下仍不可靠。报道时间线
沿着报道，了解事件的不同侧面。
10月9日
- arXiv 自然语言处理LLM 用于机器翻译质量标注：人类与模型均面临挑战
研究评估了 LLM 在 MQM 和 ESA 两种机器翻译质量评测方案下的表现，发现 LLM 与人类标注者的一致性在多数场景下依然不可靠。该研究基于涵盖 70 种语言对的长上下文测试集及 WMT23、WMT25 公开数据进行测试。结果显示人类在细粒度 MQM 和低资源语言上受限，而 LLM 则难以应对轻微错误、语言变体及错误跨度标注。
本事件热度走势
当前热度 9·可比范围峰值 10（10月9日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。