LMT:中英为中心的多语机器翻译模型
覆盖60种语言、234个翻译方向的LLM多语翻译模型系列,含0.6B至8B四种规格及配套SFT数据。
LMT 是一套以中英为中心的多语机器翻译模型,基于 Qwen3 在 90B 单语与双语混合 token 上继续预训练,覆盖 60 种语言、234 个翻译方向,提供 0.6B/1.7B/4B/8B 四种规格;另有未做翻译微调的 Base 版本。项目同时开放 567K 条 SFT 数据(含 Flores-200 devset、NTREX-128、SMol、WMT14–23、IWSLT17–24 测试集)以及母语者标注的蒙古语(mvf)FLORES 评测集。论文提出 Strategic Downsampling 缓解多路数据 SFT 中的方向性退化,并用 Parallel Multilingual Prompting 在指令中加入辅助平行句以增强跨语言迁移。同仓库的 RouteLMT 论文学习轻量路由器,在生成前依据小模型的 prompt token 表征估计改用大模型的预期收益,把大模型调用分配给收益最高的样本,以改善固定预算下的质量—开销权衡。推理用法见 src/inference.py。