机器翻译智能体
翻译智能体:使用反思工作流进行智能体翻译
这是一个使用 Python 演示的反思智能体工作流的机器翻译示例。主要步骤如下:
1. 输入 prompt,使大型语言模型(LLM)将文本从 source_language 翻译成 target_language;
2. 让 LLM 反思翻译结果,并提出建设性的改进建议;
3. 利用这些建议改进翻译。
例如:通过更改 prompt,这种工作流比传统的机器翻译(MT)系统更容易实现以下功能:
- 修改输出的风格,如正式 / 非正式。
- 指定如何处理习语和特殊术语,如名字、技术术语和缩写。例如,在 prompt 中包含术语表,可以确保特定术语(如开源、H100 或 GPU)翻译的一致性。
- 指定特定区域的语言使用或特定方言,以服务目标受众。例如,拉丁美洲的西班牙语与西班牙的西班牙语不同;加拿大的法语与法国的法语不同。
xtuner
XTuner是一个由MMRazor和MMDeploy联合开发的大语言模型微调工具箱。它主要面向需要对LLM进行定制化调整的研究者和开发者,尤其是那些没有深厚技术背景但希望利用LLM进行特定任务的用户。XTuner的设计目标是使微调过程尽可能简单,即使是0基础的非专业人员也能一键开始微调。
重点看 dpo ,奖励模型,加速训练