Druide Informatique欣然宣布，第八届自然语言处理（NLP）解毒剂奖学金已光荣授予Megh Vipul Thakkar硕士生。Thakkar女士在蒙特勒理工学院和米拉-魁北克人工智能研究所的Sarath Chandar教授指导下进行研究。该奖学金总金额为20000美元，由Druide Fund for Research in Text Analysis提供资金支持，该基金会由Druide Informatique公司向蒙特勒大学捐款设立。

Thakkar女士的研究重点集中在开发大型语言模型（LLM），特别是在多智能体框架内，旨在构建更为可靠、良性和公正的虚拟助理。她致力于采用资源高效的培训技术，以使更多人能够接触到她的研究成果。在攻读硕士学位之前，她曾在印度完成了谷歌研究（Google Research）的实习，并在新加坡的NTU-Alibaba联合研究实验室担任研究助理。

每年，NLP解毒剂奖学金都会颁发给蒙特勒大学计算机科学与操作研究系（DIRO）中表现突出的学生，该系与Mila有着紧密的合作关系。这项奖学金源自Druide Fund for Research in Text Analysis的100万美元资助，旨在庆祝Antidote诞生20周年和DIRO成立50周年。

自1996年推出以来，Antidote便成为将人工智能融入软件应用程序的先驱。在过去的25年里，它的校对、指南和词典不断受益于技术和语言的发展。如今，已有超过一百万人使用英语和法语的Antidote，而Druide公司仍致力于不断完善该软件。事实上，Druide最近发布了其首个基于LLM的生成性重新格式化引擎，作为Antidote Web的新增功能。

Druide Informatique自1993年起便专注于人工智能和计算语言学领域。公司生产和销售解毒剂，这款软件是英语和法语写作辅助领域的佼佼者，同时还推出了著名的打字教程应用——键入好友。此外，Druide还通过其子公司Editions Druide出版法语文献和参考著作，为学术界和文化界提供了丰富的资源。

在即将于4月21日至23日在巴伦西亚举行的GALA 2024大会上，与会者将率先了解KUDO的全新合作伙伴经销商计划。该计划旨在通过可定制的多语言解决方案，为语言服务公司拓展语言可访问性，同时推动同人活动的发展。为了强化销售和产品等关键领域的实力，KUDO团队正加大招聘力度，并在第一季度实现了创纪录的收入增长。

CVENT的数据显示，过去一年中，物理会议和活动的回归势头强劲，2023年的参会人数甚至超过了大流行前的水平，增长了23%。在此背景下，会议和本地化行业对技术的需求日益增长，以便让参与者能够现场选择自己熟悉的语言来理解和参与内容。

为了满足这一需求，KUDO在产品开发方面取得了显著进展。其中，他们推出了一款改进的用户友好型解决方案，参会者只需扫描智能手机上的二维码，即可享受实时语音翻译服务。无论是通过AI技术、实时语音转换器，还是借助12000名专业口译员的市场解决方案，演讲的翻译和字幕都得到了有力支持。设置和访问的简单性使得这一解决方案在国际演讲者和/或与会者的活动中备受欢迎，最近在《经济学家影响亚洲》香港站和《明日舞台》波兰站等活动中得到了广泛应用。

现在，借助KUDO的新合作伙伴计划，经销商们可以抓住这一趋势，为他们的客户提供KUDO的现场解决方案，覆盖多对一活动、会议和研讨会等多种场合。

KUDO首席执行官Fardad Zabetian表示：“这是语言服务公司（LSP）增强现有产品、实现差异化以及扩大客户群的绝佳机会。我们深知，无论是同事、合作伙伴、潜在客户、客户还是公民，对现场演讲翻译的需求都在持续增长。因此，我们在过去六个月里投入了大量研发资源，以优化我们的解决方案的用户体验和用户界面。目前，KUDO团队正处于快速增长阶段，我们一直在寻找有才华的新成员加入我们的使命，将语言可访问性从网络世界延伸到物理世界。”

GALA的与会者将有机会在KUDO展台了解更多关于KUDO AI的信息（包括现场演示）。此外，他们还可以参加4月23日星期三上午11:15由KUDO首席技术官Claudio Fantinuoli和分析语言学家Isabel Olmos发表的演讲，主题为“语音翻译中的集成生成AI及其在质量审查过程中的应用”。

本月，我们荣幸地邀请到销售与业务开发主管Didzis Klavins，他将在此分享他踏入语言产业的历程，并阐述为何他认为本地化在未来十年将持续发挥举足轻重的作用。

对于多语言杂志，我情有独钟。原因在于，这本杂志为每位读者提供了丰富的资讯宝库，无论是关于新功能、技术革新，还是业务策略及深度研究，都能在此找到详尽的解读。鉴于我对语言领域的浓厚兴趣，我热衷于涉猎各类文章，尤其是那些揭示语言如何演变、如何与技术世界共融的分析性文章，它们不仅富有教育意义，更拓宽了我的视野。

我的翻译业务之旅始于加入Tilde之前。那时，我专注于在斯堪的纳维亚国家推广和销售IT解决方案，而工作的公司正是Tilde的子公司。后来，我获得了国际销售经理的职位，负责执行全球销售战略以推动收入增长。这段经历极为宝贵，我不仅有机会为本地化业务的发展贡献力量，还见证了Tilde跻身CSA Research全球100大语言服务提供商之列的辉煌时刻，这让我们深感自豪。

自投身翻译行业以来，商业环境经历了翻天覆地的变化。尤其值得一提的是，AI支持的语言技术如机器翻译系统、聊天机器人和语音识别系统，在过去几年中发挥了举足轻重的作用。大型语言模型（LLM）更是为翻译行业开启了新纪元，迫使企业不断调整策略以应对市场新需求。为紧跟时代步伐，Tilde也在过去十年中不断创新，致力于为用户提供更加先进、友好的语言技术解决方案。

谈及与首个客户的合作经历，我至今仍记忆犹新。在加入Tilde之前，我在一家位于雷加的大型办公楼内的子公司工作。某次，我在电梯中偶遇了波罗的海地区一家知名法国公司的负责人，我们曾有过数次交集。当我提及自己即将转投Tilde从事本地化服务时，他立刻表示对其铁路领域技术文件的翻译需求感兴趣。这次意外的电梯邂逅竟然促成了我与Tilde本地化团队的紧密合作，他们迅速响应并成功完成了所需文档的翻译工作。令人惊喜的是，在我正式加入Tilde仅一个月后，该公司便因出色的服务质量赢得了多个新的翻译项目。可以说，我在尚未正式成为Tilde员工之前，便已成功开拓了首位客户。

至于现在是否适合进入翻译行业，我认为这主要取决于所提供的服务或产品能否为最终客户创造价值。虽然近年来语言产业经历了翻天覆地的变化，但这也为行业带来了前所未有的机遇。与十年前相比，翻译业务的框架虽然更为复杂，但技术的多样性和竞争也激发了更多的创新。用户体验和偏好的变化同样为翻译业务带来了新的挑战和机遇。然而，正是这些变革和创新，使得人工智能驱动的技术和LLM等新技术在商业领域展现出巨大的潜力。

展望未来十年的职业生涯，我充满期待。在这个充满动态和挑战的时代，我渴望不断提升自己在语言商务和谈判方面的技能，并参与更多有趣且富有挑战性的项目。

对于翻译行业的未来，我持有乐观的预测。随着LLM、新兴颠覆性技术、自动化以及语言行业并购的不断涌现，语言产业的格局正在发生深刻变化。我坚信，语言的重要性将持续增长，而LLM和AI驱动的技术将在其中发挥关键作用。同时，随着对个性化需求的日益重视，未来翻译行业将更加注重根据用户偏好、背景和行为定制内容，以体现语言和文化的细微差别。因此，我相信企业和整个社会将越来越认识到本地化和语言产业的重要性，为行业的持续发展注入新的活力。

2024年3月21日，悉尼大学、中国石油大学、南洋理工大学和JD Explore Academy的研究团队共同推出了一项革命性的技术——两阶段微调技术，旨在解决大型语言模型（LLM）在翻译任务中常见的偏离目标翻译问题。这一问题在零快照翻译设置中尤为突出，即模型需要在训练期间未曾接触过的语言对之间进行翻译。

尽管LLM在翻译任务中展现出强大的能力，有时甚至可以媲美商业广告机器翻译（MT）系统，但非目标翻译仍然是一个亟待解决的难题，特别是在涉及低资源语言时。为了解决这一挑战，研究人员提出了一种创新的两阶段微调方法，专注于提升LLM对指令的遵循能力，特别是确保其严格遵循语言翻译方向。

在第一阶段，研究团队利用多语言翻译数据集，通过最大似然损失（MLE）对LLM进行微调。MLE损失函数旨在评估模型根据给定输入和参数生成正确输出的可能性。通过最小化这种损失，模型能够基于训练数据以及提供的说明和目标输出，生成更为准确的翻译。这一阶段的微调旨在初步释放LLM内在的翻译潜能。

进入第二阶段，研究团队创建了与指令相冲突的样本，即提供的指令与实际需要执行的内容或任务之间存在矛盾的示例。这些样本通过用不正确的语言翻译指令替换原本的指令来构建，从而模拟模型在实际应用中可能遇到的冲突情境。

在这一阶段，团队引入了一个额外的不可能性损失，以针对这些指令冲突样本对模型进行训练。通过整合这一额外的损失函数，模型被鼓励为错误的翻译分配更低的概率。这一过程有助于模型学会处理冲突的指令，进而增强其遵循正确语言翻译方向的能力，并在零快照场景中生成精确无误的翻译。

为了验证该技术的有效性，研究人员将这一方法应用于LLaMA模型，并在16个语言翻译方向上进行了实验。结果表明，在IWSLT和WMT基准测试中，偏离目标的翻译率显著下降，分别实现了高达92.2%和29.9%的改善。研究人员进一步指出，这一改进显著提升了翻译质量，IWSLT/WMT数据集中BLEURT和SacreBLEU的平均增长率分别为23.0/12.4和5.2/6.1。

瑞典赫尔辛堡– Gridly内容运营平台欣然宣布，成功募集了高达280万瑞典克朗（约合260万美元）的种子投资，以进一步推动其基于云的内容运营平台的持续发展。

Gridly的核心理念在于，助力客户更高效地管理和控制日益繁杂的数字内容流。随着人工智能技术的广泛应用，数字内容的数量与复杂性正以前所未有的速度增长。内容创作已不再是简单的线性过程，而是成为吸引并留住受众的连续动态循环。在此过程中，构建、管理和发布内容的方式正逐渐将焦点从传统的“内容创建”转向更为高效的“内容操作”。

Gridly首席技术官兼联合创始人Mattias Wennerholm分享道：“作为一名游戏开发者，我深知管理文本、图像、音频和视频等多种数字内容的挑战。以往，我们往往依赖Google Sheets和其他各种工具，这导致数据混乱且效率低下。这种问题在大型游戏公司中同样普遍存在。现在，随着AI的普及，内容的复杂性和数量进一步增长，我们迫切需要一种更为先进的内容管理策略。”

Gridly首席执行官兼联合创始人克里斯托夫·尼尔森进一步补充：“Gridly旨在帮助内容创作团队全面掌控其内容流程，从规划、创建、本地化翻译、质量保证、发布到后续的维护与支持。我们致力于帮助他们以更低的成本、更快的速度、更高的质量和更强的控制力实现内容的规模化运营。Gridly正逐渐成为内容团队的首选解决方案，帮助他们轻松地将AI功能融入其工作流程。”

专注于数字媒体和娱乐领域的投资机构Rendered的合伙人吉腾·达吉（Jiten Dajee）表示：“过去五年，我们见证了内容生成速度及为留住用户在竞争激烈的市场中所需特定细分内容的多样性的惊人增长。许多全球领先的出版商已将Gridly置于其内容制作的核心位置，这给我们留下了深刻印象。在人工智能辅助内容创作的时代，Gridly无疑将成为推动自动化和可持续内容运营的重要平台。”

Subvenio Invest合伙人帕特里克·斯特斯高亦表示：“我们很高兴能与Gridly携手合作，共同打造游戏行业及其他领域的关键数字内容基础设施。作为B2B软件领域的重点投资者，Gridly的专有技术、优质客户组合、令人瞩目的增长势头及SaaS指标均给我们留下了深刻印象。这一切均彰显了Gridly的强大实力与无限潜力。”

本轮种子轮融资的投资者阵容强大，包括一家全球顶尖的游戏公司、北欧领先的B2B软件投资者Subvenio Invest、美国数字媒体领域的专家Rendered.VC以及多位现有投资者。

德克萨斯州奥斯汀，2024年4月9日——语言访问技术的领军者Boostingo今日宣布推出AI Pro，这款创新的AI解决方案具备实时字幕、转录、翻译及语音功能，支持多种语言。AI Pro的推出，让专业人士在会议平台上无论语言或听力障碍，都能顺畅交流。

除了AI Pro的发布，Boostingo还同步推出了全新的品牌标识和网站，以反映公司在口译技术之外的服务扩展。新品牌不仅彰显了Boostingo对创新的执着追求，更体现了其致力于扩大语言使用范围的坚定承诺。

市场营销总监摩根·泰勒（Morgan Teller）表示：“Boostingo的品牌重塑是战略决策的一部分，因为我们正在运用创新技术，并引入包含人工智能的全新产品。我们已将技术从单纯的口译服务，拓展至支持更广泛的语言服务领域。”

在2023年表现出色的基础上，Boostingo今年第一季度ARR（年度经常性收入）实现了60%的强劲增长，这充分证明了市场对Boostingo解决方案的迫切需求。这一显著增长得益于新客户的不断加入以及高客户保留率。

随着AI Pro的上市，Boostingo依然致力于为客户及其服务对象提供无障碍通信的能力。AI Pro集多种语言的字幕和转录、即时翻译、AI语音功能、会议笔记与摘要以及词汇表导入等功能于一身，成为各种低风险场景中经济高效的语言支持工具。

战略计划副总裁Andrea Baccenetti分享道：“AI Pro融合了现有AI产品中的核心生产力功能，并在引入语言组件的同时，成为促进包容性、可访问性和提升生产力的典范工具。”

在AI Pro的Beta测试阶段，近1000名用户注册体验了该解决方案，并纷纷称赞其准确性，特别是在与Zoom等其他平台相比时表现尤为突出。

Boostingo对AI Pro的未来充满期待，并计划近期增加文本到语音和语音到语音的翻译功能，将其集成范围扩展至BoostingoEvents产品中的Zoom、Teams、Chrome扩展和AI功能之外。这些新功能旨在进一步优化全球专业人员的工作流程，提升语言可访问性。

首席执行官布莱恩·弗雷斯特（Bryan Forrester）表示：“我们深信人工智能与人类解读相结合的力量。在利用人工智能进步的同时，我们坚守人类交流中不可或缺的微妙差异。我们视人工智能为商业合作的强大盟友，是对语言专业人员的补充，而非替代。”

2024年3月21日，华为、东北大学和南京大学的研究人员深入探讨了机器翻译质量评估（QE）领域，特别关注了大型语言模型（LLM）在QE应用中的重要作用。

为了对QE方法的当前状态进行彻底且专业的理解，研究人员详尽地探索了QE领域内几乎所有具有代表性的方法。尽管此研究未引入新的信息，但论文对从事量化宽松研究的实践者和对这一领域感兴趣的学者而言，具有极高的实用价值。

研究人员将QE领域发展过程中的方法划分为三大类别：依赖手工制作功能的方法、基于深度学习的方法，以及利用LLM的方法。他们解释，在QE研究的初期，方法主要依赖于手工特征来预测翻译质量，从而催生了诸如QuEst等框架。随着深度学习技术的快速发展，QE方法开始利用神经网络进行更精细的建模，并进一步细分为基于经典深度学习方法（如deepQuest）和集成预训练语言模型（LM）（如COMET）的类别。

研究人员指出，基于LLM的方法具有达到最先进（SOTA）性能水平的潜力。最近，QE研究已聚焦于利用LLM的广泛知识基础和高级学习能力，以提高QE模型的准确性和性能，推动QE研究的进步。

在LLM的应用方面，研究人员识别了多种方法：利用LLM直接预测翻译质量分数或错误并评估其严重性；使用LLM作为基础模型，结合后期编辑数据确定需要编辑的片段；通过LLM创建带有错误注释和解释的合成数据，用于微调基于LLM的可解释QE指标，从而提供全面的错误诊断报告和QE分数（无需人工注释数据）；利用LLM的概率和不确定性作为质量指标；以及使用LLM在正确的翻译中引入错误并创建噪音句子对，用于训练QE指标以区分准确和不准确的翻译。

尽管研究人员承认，基于LLM的QE方法尚未在性能上超越包含预训练LM的QE方法，但他们预测，随着研究的深入和技术的发展，基于LLM的方法有望达到最先进的性能水平。

在QE面临的挑战方面，研究人员看到了LLM在解决可解释性问题和注释数据稀缺性方面的潜力。LLM能够生成合成注释数据，这在低资源语言中尤为重要，有助于确定具体错误及其在文本中的位置。他们建议，未来的研究应更加关注利用有限元模型来增强QE的可解释性。

然而，挑战仍然存在，包括预训练LM和LLM的资源密集性，以及缺乏标准化的评估指标，这阻碍了模型性能的比较和集成。最后，研究人员还提出，未来的研究应更加注重词汇层面的QE。