教育大模型行业报告（30页）

有道 15 年来不断升级翻译技术模型以满足用户多元化的需求。2008 年，有道首先推出国 内第一个商用机器翻译引擎，经过 15 年技术迭代，有道逐渐从统计翻译发展到神经网络翻 译，并一步步升级到 Transformer 模型，翻译质量越来越高，翻译的应用形态越来越丰富， 越来越受到用户的欢迎。公司介绍，有道词典月活用户已超过 1 亿，是国内词典翻译市场 的第一名。随着用户对翻译的上下文理解、文体、语气等方面提出了更丰富的要求，有道 推出大语言模型（LLM）翻译，为用户提供更加场景化、高质量的机器翻译技术，公司预 计今年 Q3 上线。有道 LLM 翻译的优势： 1）模型理解能力及表达能力全面提高：例如翻译同一则关于特斯拉的新闻，与谷歌和 ChatGPT 相比，有道翻译在表达上更符合中文语言习惯， 做到了简洁、准确、流畅。 2）篇章级问题处理更好：能关注到更多上下文信息，引用、指代、术语更加一致自然，篇 章级翻译处理更完善。例如，同样是翻译一则与日本福岛事件相关的新闻，与谷歌和 ChatGPT 相比，有道翻译做到了先讲核心事实、后加背景信息的“倒金字塔结构”，对文章 上下文逻辑关系的理解较为准确。 3）交互形式全面升级：从 YNMT 升级到自然语言指令，用户可自定义场景，千人千面。

文档问答可以迅速提取文献中的关键信息，提高学习和工作效率。一篇上万字的文献在正 常情况下阅读并提取关键信息需要花费很长时间和精力，但是文档问答可以利用不到一分 钟的时间进行信息抽取和语义理解，并对问题进行高质量回答，将工作、科研时间缩短十 倍（公司内部测试数据），大大提高了阅读文献的效率。 分析专业文章时，模型能够根据学科特点进行论点整合、概念解释、表格信息提取等，满 足用户的专业学习需求。下面是用文档回答功能分析两篇学术论文的例子。第一篇文章是 心理学相关的英文文献，文档问答将其翻译为中文，并提供左右精准对照，方便用户的理 解和定位。在搜索框输入“总结一下本文的核心观点”后，文本框内迅速出现了一段对文 章内容的概括，并且标注来源页码，方便用户核查校对。对于文中出现的概念，文档问答 提供划词解释功能，能够较好地满足用户的学习需求。在对计算机领域的文章进行文档问 答时，模型展示了从表格中提取信息并进行分析总结的能力。对于更考验理解力的问题， 例如“这篇论文提出的方法和之前的工作相比有什么优势？它是用什么指标来评估效果的” 等，文档问答也能够迅速总结并给出回答和精准定位。这些功能将极大提高用户的生产力。