LLaMAX2：你的翻译增强模型也在推理中表现良好
计算与语言
2025-10-13 v1
摘要
通用大语言模型（LLMs）在推理方面表现出色，但那些针对翻译优化的模型在推理任务上表现不佳。为此，我们提出一种新颖的翻译增强配方，从 instruct 模型开始，仅在平行数据上进行层级选择性调优。遵循此管道，我们引入的 Qwen3-XPlus 模型在高资源和低资源语言的翻译性能上均实现显著提升，在低资源语言（如斯瓦希里语）中实现15+ spBLEU和40+ xComet。意外的是，仅使用小规模平行数据集，Qwen3-XPlus 在7个多语言任务上平均提升1+分，同时在15个流行推理数据集中保持与 Qwen3 instruct 模型相当的熟练程度。这项工作为多语言增强提供了有前景的方案，显著降低了复杂性，提高了面向更广泛语言范围的可及性。该代码和模型已公开可用。
关键词
引用
@article{arxiv.2510.09189,
title = {LLaMAX2: Your Translation-Enhanced Model also Performs Well in Reasoning},
author = {Changjiang Gao and Zixian Huang and Jingyang Gong and Shujian Huang and Lei Li and Fei Yuan},
journal= {arXiv preprint arXiv:2510.09189},
year = {2025}
}