Qwen-MT-Lumen 亮相 WMT2026：质量感知训练与同策略蒸馏的指令特化翻译

Qwen 团队在 WMT2026 通用机器翻译评测中提交 Lumen 系统，聚焦指令特化翻译。该系统采用四阶段流程：继续预训练与监督微调、在线偏好优化、从大模型向 Qwen3-14B 学生的同策略蒸馏、以及结构感知推理与选择性修复。系统覆盖 23 个翻译方向，在 1–5 分 LLM 评判量表下总体均分为 4.60，14B 规模底座达到接近领先水平的成绩，且模型已开源。

此前翻译系统多以通用译文质量为唯一目标，对术语、风格和结构化输出等细粒度指令的遵循能力较弱。该工作把指令遵循与翻译质量分开评测，并用在线偏好优化和同策略蒸馏专门强化这一维度，使较小底座模型也能在评测中接近领先水平，说明指令特化正成为机器翻译的新竞争点。

其机制分四层：继续预训练与监督微调同时注入多语言翻译能力和指令遵循能力；将原本离线的 M²PO 偏好优化扩展为在线阶段，由当前策略采样候选译文、LLM 评判器打连续分、再用多组成对偏好更新模型；同策略蒸馏把更大教师模型的指令遵循行为迁移到 14B 学生；最后用结构感知推理与修复环节保证输出格式。

对产品与研发的直接含义是：翻译能力不必只靠扩大模型规模获得，可通过偏好优化与蒸馏在 14B 级别实现接近领先的指令遵循表现，从而降低推理成本与部署门槛。做多语言、术语库、格式约束类翻译功能时，可把评测拆成翻译质量与指令遵循两项分别优化，并把结构修复放进后处理链路。

• 在面向企业术语库与品牌风格的翻译产品中，引入成对偏好数据与 LLM 评判打分的在线优化流程，替代单纯人工标注。
• 以 14B 级别底座加同策略蒸馏搭建翻译服务，在成本受限场景替代更大模型，并用格式修复模块保证结构化输出。
• 把评测指标体系拆分为翻译质量与指令遵循两个维度，用于内部模型选型和版本回归。
• 基于开源模型构建支持术语、风格与格式约束的可配置翻译 API，面向本地化与文档处理场景。

• Lumen 在 23 个翻译方向上的分方向成绩以及与其他参赛系统的具体排名尚未披露。
• LLM 评判器打分的稳定性、与人工评测的一致性以及是否存在偏好泄漏风险，证据中未说明。
• 同策略蒸馏对教师模型规模与质量的依赖程度、以及蒸馏后 14B 学生相对教师的能力差距未给出数据。
• 开源模型的具体许可条款、可商用范围与推理资源需求在证据中未明确。