Après beaucoup d'attente, la fonction de traduction de Xiaohongshu est enfin arrivée le troisième week-end de janvier 2025 ! Voici quelques conseils et choses à savoir👇🏻 :
– Mettez à niveau Xiaohongshu (Red Note) vers la dernière version.
– Essayez de modifier vos paramètres de langue, y compris les paramètres de Xiaohongshu et du système téléphonique.
– Prend actuellement en charge uniquement la traduction en une seule langue ; les langues mixtes ou les émojis ne le déclencheront pas.
– Si cela ne fonctionne toujours pas, certains utilisateurs suggèrent l'astuce du « kill-it » : poster un commentaire en anglais, quitter l'application, puis rouvrir Xiaohongshu pour activer la fonction de traduction
Les développeurs de Xiaohongshu sont incroyablement rapides, et les utilisateurs affirment n'avoir jamais vu de mises à jour aussi rapides. Est-ce la légendaire « vitesse chinoise » ?
Tout le monde dans le monde est ravi, sauf les logiciels de traduction mdr. Malgré son lancement dans seulement une semaine, la traduction fonctionne parfaitement, ce qui facilite la navigation transfrontalière. L'argot chinois sur Internet comme « u1s1 », « yyds » et « cpdd » est compris et annoté avec précision.
- u1s1 – Pour être honnête
- yyds – Pour toujours le meilleur, immortel
- cpdd – Recherche couple, A la recherche d'un couple
Notre collègue a admis qu'elle ne savait pas ce que signifiait « cpdd » – preuve que les humains ne sont pas de taille face à GPT. Xiaohongshu, créez-vous un outil de traduction ou une encyclopédie des mèmes ? Un autre avantage est que les dialectes chinois sont également traduits.
Même si le texte original contient des erreurs, cela n'affectera pas la traduction. Xiaohongshu les annote avec soin.
Xiaohongshu, tu envisages vraiment de m'enseigner des langues, ça me touche.
De toute évidence, la nouvelle fonctionnalité de traduction sur Xiaohongshu est soutenue par un grand modèle de langage, et les utilisateurs sont impatients de tester le modèle qui le sous-tend. Par exemple, ils commencent par une simple traduction, puis écrivent quelques lignes de poésie.
Certains tapent même une chaîne de code Morse pour qu'elle soit traduite : il s'agit bien de Xiaohongshu, pas d'un thriller d'espionnage !
Déclarant unilatéralement : Xiaohongshu est désormais le logiciel de traduction multifonctionnel le plus puissant.
Gérer les tâches de traduction avec un modèle linguistique volumineux est déjà assez efficace, mais sur une plateforme sociale riche en contenu comme Xiaohongshu, de nombreux défis subsistent encore.
La diversité des langues est l'un des plus grands défis à relever. Certains termes spécifiques à une culture, expressions idiomatiques ou métaphores, comme les idiomes et l'argot, sont difficiles à traduire avec précision.
Il existe également des noms et des surnoms pour lesquels le modèle pourrait ne pas bien faire la distinction entre ce qui doit être traduit et ce qui doit rester inchangé.
Par exemple, « orange man » a été directement traduit par « 橙人 », mais cela fait en réalité référence à Trump.
Au-delà de la précision, les utilisateurs ordinaires pourraient ne pas percevoir les ressources informatiques nécessaires à la traduction.
Sur une plateforme aussi riche en contenu que Xiaohongshu, les utilisateurs peuvent publier quelques lettres ou notes de plusieurs centaines de mots. En comparaison, la traduction de contenus plus longs consomme davantage de ressources et augmente la charge du système.
De plus, avec des utilisateurs de différents pays, la large distribution des fuseaux horaires signifie que le système connaît rarement des temps de chargement faibles.
Lorsque les deux parties sont éveillées, le bref chevauchement des fuseaux horaires peut entraîner une augmentation soudaine des demandes de traduction, obligeant le système à gérer un grand nombre de demandes simultanées en peu de temps, ce qui constitue un test important de ses capacités de traitement simultané.
Xiaohongshu est vraiment trop cool
Il n'existe pas encore d'informations précises sur le modèle utilisé par la nouvelle fonction de traduction. Selon les « questions » de certains utilisateurs, il semblerait qu'il s'agisse de GPT. Certains utilisateurs ont « interrogé » et ont découvert qu'il s'agissait de Zhipu.
Compte tenu du coût, il est difficile de l'affirmer avec certitude. GPT comporte un grand nombre de paramètres et des coûts de calcul élevés, ce qui le rend inadapté au déploiement dans des environnements aux ressources limitées.
Une option plus réalisable pourrait être de choisir un modèle d'étudiant et d'utiliser GPT comme modèle d'enseignant pour la distillation. Les modèles d'étudiant ont généralement moins de paramètres et des vitesses d'inférence plus rapides, tout en essayant de conserver les capacités du modèle d'enseignant.
Dans le même temps, cette approche pourrait être plus prometteuse pour Xiaohongshu.
Xiaohongshu explore depuis longtemps les technologies d'IA telles que les grands modèles linguistiques et les systèmes multimodaux, mais s'est toujours concentré sur l'optimisation des algorithmes. Ils ont déjà développé quelques petites fonctionnalités d'IA.
Peu de gens savent que lors de la conférence AAAI 2024, l'équipe d'algorithmes de recherche de Xiaohongshu a proposé une nouvelle idée pour la distillation de modèles.
L'équipe d'algorithmes de recherche de Xiaohongshu a introduit un cadre innovant qui utilise pleinement les connaissances des échantillons négatifs lors de la distillation des capacités d'inférence de grands modèles.
Les « échantillons négatifs » sont un concept intéressant. La distillation traditionnelle se concentre généralement uniquement sur les échantillons positifs, ce qui est compréhensible : les enseignants enseignent aux élèves la bonne façon de résoudre les problèmes, en s’assurant qu’ils comprennent et imitent.
Cependant, pendant vos études, vous avez probablement également tenu un « carnet d’erreurs », dans lequel vous enregistriez vos erreurs et les domaines dans lesquels votre compréhension était faible. Ces erreurs sont des « échantillons négatifs »Dans la section des commentaires de Xiaohongshu, les traductions inexactes sont des exemples négatifs.
Tout comme les « erreurs » contiennent des informations importantes, les échantillons négatifs peuvent aider les modèles des étudiants à identifier les prédictions incorrectes, à améliorer leur capacité de discrimination, à améliorer la gestion des échantillons difficiles et à maintenir la cohérence dans les expressions linguistiques complexes.
Par exemple, si vous souhaitez discuter de termes financiers avec des amis internationaux dans la section des commentaires, le mot « banque » peut souvent apparaître. Il a également d’autres significations : « rive » et il peut également être utilisé comme verbe.
Grâce à l’apprentissage par échantillons négatifs, le modèle est formé pour reconnaître les expressions polysémiques, corriger la logique de traduction et générer un contenu plus naturel.
L'avantage des échantillons négatifs s'étend également à la prise en charge de langues moins courantes. Il est important de noter que cela ne concerne pas uniquement les utilisateurs américains ; des utilisateurs du monde entier se joignent à nous : Serbie, Pérou et certaines régions indigènes d'Australie.
En utilisant des échantillons négatifs (y compris des modèles d’erreurs de traduction courants), les modèles étudiants peuvent identifier et éviter les erreurs fréquentes, améliorant ainsi les capacités de traduction pour les langues à faibles ressources.
Le cadre proposé par l'équipe Xiaohongshu est une application innovante de la distillation, visait initialement à extraire des capacités de raisonnement complexes de grands modèles linguistiques et à les transférer vers des modèles plus petits spécialisés. À l'époque, on ne savait pas exactement quelles tâches spécifiques pouvaient être accomplies et la traduction ne semblait pas être l'objectif.
Peut-être que personne ne savait que ce cadre aiderait, un an plus tard, Xiaohongshu à devenir un pont pour la communication internationale.
Comme le dit le dicton : l’opportunité sourit toujours à ceux qui sont préparés.
Source à partir de si un
Avis de non-responsabilité : les informations présentées ci-dessus sont fournies par ifanr.com, indépendamment d'Alibaba.com. Alibaba.com ne fait aucune représentation ni garantie quant à la qualité et à la fiabilité du vendeur et des produits. Alibaba.com décline expressément toute responsabilité en cas de violations des droits d'auteur du contenu.
