在机器翻译中引入结构化推理，提升法律领域翻译质量

2026年7月22日

小模型大突破：强化学习如何重塑瑞士法律机器翻译

在法律领域，神经机器翻译（Neural Machine Translation, NMT）一直被视为一项极具挑战性的任务。法律语言结构复杂、术语严谨，对翻译的精确度要求极高。随着具备推理能力的语言模型的兴起，为应对这些长期存在的挑战提供了全新的可能性。

最近，一项引人注目的研究对比了多种提升翻译质量的技术路径，包括监督微调（SFT）、具有可验证奖励的强化学习（RL），以及前沿推理模型的表现。这项研究不仅揭示了小模型在垂直领域的巨大潜力，也为 AI 开发者提供了一条新的优化思路。

为什么选择瑞士法律系统作为测试基准？

瑞士法律体系拥有独特的多语种法规（multilingual statutes）。这意味着在同一部法律中，不同语言版本之间可能存在细微但关键的差异，这使其成为测试推理增强型模型的理想环境。

研究团队利用这一复杂的测试床，评估了小规模语言模型在结合不同重新训练范式后的性能表现。通过瑞士法律这一高难度场景，他们旨在回答一个核心问题：在资源受限的情况下，我们能否通过优化训练策略，让小型模型达到甚至超越大型模型的翻译水平？

传统观点认为，只有大规模参数量的模型才能处理高度专业化的任务。然而，这项研究证明，通过精心设计的重新训练范式，小型“基础”模型（Base Models）的翻译质量可以得到显著提升。这表明，模型规模并非决定专业领域翻译质量的唯一因素。

研究对比了 Qwen3.5 (4B, 9B) 和 Gemma 3 (12B) 等小模型，发现应用具有可验证奖励的强化学习（RL with verifiable rewards）在法律机器翻译中是可行的，且其翻译质量超越了传统的监督微调方法。

这一发现具有重要意义。监督微调（SFT）虽然简单直接，但在处理需要深度理解和逻辑推理的法律文本时，往往显得力不从心。而强化学习通过引入可验证的奖励机制，能够引导模型在翻译过程中进行更深入的推理，从而生成更准确、更符合法律语境的结果。

尽管经过增强的小模型性能大幅提升，接近最先进的推理模型（State-of-the-art reasoning models），但仍未完全超越它们。这说明，虽然训练策略的优化可以显著缩小差距，但模型本身的架构和预训练知识仍然扮演着基础性角色。

研究还发现，随着模型规模的增加，重新训练范式带来的性能提升出现边际收益递减的现象。对于较小的模型，RL 或 SFT 等训练范式的改进效果更为显著；而对于已经非常大的模型，进一步的训练优化所带来的增益则相对有限。

这项研究不仅证明了强化学习在法律 NMT 领域的适用性，还揭示了在资源受限场景下，通过优化训练范式来挖掘小模型潜力的有效性。

对于 AI 从业者和开发者而言，这意味着在处理高专业度、高精确度要求的垂直领域（如法律、医疗、金融）时，不一定非要依赖超大参数量的模型。合理的训练策略调整，特别是引入强化学习等高级优化手段，同样能带来质的飞跃。

这不仅有助于降低计算成本和部署难度，还能在隐私保护要求较高的场景中，实现更高效、更精准的本地化模型部署。

为了促进社区发展，该研究的代码和模型已公开：

标题： Reasoning Before Translation: Enhancing Legal Machine Translation with Structured Reasoning
作者： Aixiu An, Michael Jungo, Eloi Eynard, Mark Drenhaus, Andreas Fischer, Jean Hennebert, Sébastien Rumley
提交日期： 2026年7月21日
arXiv ID： 2607.19181