RIVAL：面向机器翻译的迭代对抗强化学习

RIVAL：面向机器翻译的迭代对抗强化学习

摘要

RIVAL框架通过对抗式迭代优化解决机器翻译中的分布偏移问题，将奖励模型与翻译模型建模为最小化-最大化博弈，结合双奖励机制提升训练稳定性。实验表明，RIVAL在口语字幕和WMT任务上显著优于监督微调和专用翻译模型，同时展现出跨语言泛化能力，为机器翻译提供了兼具理论与实用价值的新范式。