Seed-X：面向多语言翻译的 7B 参数强大语言模型
计算与语言
2025-08-22 v4 人工智能
摘要
多语言翻译是大型语言模型（LLM）处理复杂语言模式和机械化翻译的重要挑战。本文介绍Seed-X，一个由开源LLM组成的系列模型，包括指令模型和推理模型，通过7B参数规模推动翻译能力的边界。基础模型在涵盖28种语言的多样化高质量数据集上进行预训练，既包含单语内容，也包含双语内容，充分发挥多语言数据的潜力。随后，指令模型通过链式思考（CoT）翻译进行微调，并通过强化学习（RL）进一步提升其在不同语言对上的泛化能力。Seed-X在28种语言上实现了与Gemini-2.5和GPT-4o等领先封闭源模型相当的性能，在自动评估指标和人工评估方面还显著超越了更大的开源模型。我们分享了通过优化过程获得的最佳实践，并公开提供模型参数，以推动翻译研究和应用的发展。
引用
@article{arxiv.2507.13618,
title = {Seed-X: Building Strong Multilingual Translation LLM with 7B Parameters},
author = {Shanbo Cheng and Yu Bao and Qian Cao and Luyang Huang and Liyan Kang and Zhicheng Liu and Yu Lu and Wenhao Zhu and Jingwen Chen and Zhichao Huang and Tao Li and Yifu Li and Huiying Lin and Sitong Liu and Ningxin Peng and Shuaijie She and Lu Xu and Nuo Xu and Sen Yang and Runsheng Yu and Yiming Yu and Liehao Zou and Hang Li and Lu Lu and Yuxuan Wang and Yonghui Wu},
journal= {arXiv preprint arXiv:2507.13618},
year = {2025}
}