SimPOTrans
基于强化学习的两阶段后训练框架，使离线语音翻译模型自适应转变为对话式同声传译模型，无需合成读写轨迹或显式延迟优化
时间轴 (近 90 天)
SimPOTrans 是一个基于强化学习的框架，让原本做离线语音翻译的模型自适应地转变为对话式同传模型。
SimPOTrans 不依赖合成读写轨迹，也不把延迟作为显式优化项，而是通过奖励信号引导模型学习同传行为。
SimPOTrans 采用两阶段 RL 后训练流程：第一阶段让模型在部分语音输入条件下产生有利于同传的行为，第二阶段进一步强化自适应能力。
SimPOTrans 在推理阶段完全不需要外部读写决策策略，模型自己就能处理流式输入。
SimPOTrans 在推理时只需调整语音输入的分块大小（chunk size），就能在翻译质量和延迟之间做灵活权衡。
SimPOTrans 之所以能仅靠调整分块大小控制权衡，是因为 RL 后训练已让模型学会在信息不完整时做出合理决策。
实验结果显示，SimPOTrans 优于多个强基线，在质量—延迟权衡上取得了更优的表现。
目前的结果集中在三个语言方向和两个基准上，方法在更多语言、更多场景下的泛化能力还有待进一步验证。
全部知识事实 (8)
SimPOTrans 是一个基于强化学习的框架，让原本做离线语音翻译的模型自适应地转变为对话式同传模型。
50%待验证SimPOTrans 不依赖合成读写轨迹，也不把延迟作为显式优化项，而是通过奖励信号引导模型学习同传行为。
50%待验证SimPOTrans 采用两阶段 RL 后训练流程：第一阶段让模型在部分语音输入条件下产生有利于同传的行为，第二阶段进一步强化自适应能力。
50%待验证SimPOTrans 在推理阶段完全不需要外部读写决策策略，模型自己就能处理流式输入。
50%待验证SimPOTrans 在推理时只需调整语音输入的分块大小（chunk size），就能在翻译质量和延迟之间做灵活权衡。
50%待验证SimPOTrans 之所以能仅靠调整分块大小控制权衡，是因为 RL 后训练已让模型学会在信息不完整时做出合理决策。
50%待验证实验结果显示，SimPOTrans 优于多个强基线，在质量—延迟权衡上取得了更优的表现。
50%待验证目前的结果集中在三个语言方向和两个基准上，方法在更多语言、更多场景下的泛化能力还有待进一步验证。
50%