2026年10月18日，CCF YOCSEF昆明技术论坛“译路突围：小语种翻译大模型何以赋能两亚跨境协作？”（CCF-Yo-26-016）在昆明理工大学云南省人工智能重点实验室101会议室举行。本次论坛由CCF YOCSEF昆明AC副主席、昆明理工大学副教授李英与CCF YOCSEF昆明AC委员、云南师范大学副教授熊文共同担任执行主席，来自云南大学、昆明理工大学、云南师范大学、云南民族大学、云南农业大学、云南财经大学、云南开放大学、云南省旅游职业学院等高校和企业的专家学者及技术人员参加了活动。

在中国与南亚、东南亚交流合作不断深化的背景下，语言互通成为跨境沟通和产业协作的重要基础。面向两亚地区的小语种翻译，仍面临高质量语料不足、大模型能力不均衡以及跨场景应用适配困难等问题。如何将大模型技术进展转化为可靠、可用的翻译能力，是本次论坛关注的核心问题。

一、引导发言环节

云南省大数据有限公司产品研发中心负责人韩露以《数据流通基础设施破解低资源数据短缺困境，赋能高质量数据集打造》为题作首场引导发言，详细分析了小语种语料总量不足、资源分散、格式不规整及跨机构共享困难等问题，并结合公司数据流通基础设施项目介绍了相应的解决路径。针对语料不足与资源分散，通过统一数据连接器对接高校、科研机构和企业的多源语料，借助跨区域功能节点扩大资源获取范围，提升已有语料的利用效率；针对原始资料规整程度不一，提供数据开发工具与加工环境，支持语料整理和高质量数据集建设；针对跨机构共享中的互信、使用权限与成果保护难题，结合数据沙箱、可信执行环境、隐私计算及租户隔离，实现语料的受控开发利用，并通过资源登记、产品发布和流通管理促进供需对接，为小语种语料的协同建设与共享复用提供工程支撑。

云南省数智民族计算重点实验室副主任、云南民族大学数学与计算机科学学院于志强带来《大模型时代的小语种语料困境与合成数据补足策略》，从大模型语言覆盖范围与实际使用效果之间的差距切入，分析低资源语言的能力瓶颈。子词切分技术使分词器能够处理更多语言的字符，但模型的理解与翻译能力仍受预训练语料规模和语言分布影响，可能出现零样本翻译效果不佳、译文流畅却偏离原意等问题。围绕这些瓶颈，报告梳理了质量驱动的数据增强、回译和相关语言迁移等方法，并以团队面向老挝语、缅甸语开展的课程引导重写与边际似然估计研究为例，探讨通过合成数据补充有限语料、提升模型训练效果的路径。其中，语料质量与语言关联是影响能力提升的关键因素：低质量数据可能干扰模型学习，同语族、同语系语言之间的共性则可为知识迁移提供支撑。拉祜语、傣语、哈尼语等资源建设实践进一步呈现了不同文字体系在分词、文本表征和模型训练上的差异，也说明母语者与语言专家参与的重要性。低资源语言模型的能力提升，需要将语料质量控制、语言知识与针对性适配相结合，使语言覆盖范围的扩大转化为实际使用效果的改善。

昆明理工大学信息工程与自动化学院杨航分享《大模型背景下低资源机器翻译方法、应用场景与发展趋势》，进一步将讨论引向翻译算法优化与实际应用。报告围绕多语言底座建设、翻译模型适配和终端应用展开：以南亚、东南亚单语资源及中外文平行语料为基础，通过多语言共享表示增强跨语言知识迁移，研发面向区域语言需求的“小语问答”底座模型；针对低资源语言翻译中的结构差异与对齐困难，引入多粒度句法知识增强表示学习，在模型高层融入句法信息，并探索动态混合专家机制，通过浅层语言专属建模与深层跨语言协同，兼顾不同语言的特征与共性，改善翻译质量。在应用层面，相关成果已用于“云岭翻译”平台、APP及翻译设备，支持基于编码器—解码器架构与大模型底座的两类翻译模式，将语料建设与模型研发衔接到具体的跨境交流服务。这些工作也与前两场发言形成递进关系：可信流通为语料协作提供条件，数据增强与语言迁移支撑模型能力提升，翻译算法优化与应用系统建设则推动技术成果走向实际场景。

三场引导发言围绕语料资源汇聚与可信利用、低资源语言大模型能力提升、翻译技术优化与应用落地依次展开，形成了从数据基础到模型能力、再到场景应用的递进脉络，为后续思辨提供了技术与实践参考。

二、思辨环节

论坛设置三项相互衔接的思辨议题，论坛邀请了云南开放大学人工智能应用技术学院副院长彭海波教授、云南大学信息学院汤智文副教授和云南大学软件学院金鑫副教授作为特邀嘉宾。

议题一：如何实现人工高精标语料与大模型合成数据的高效协同？

这一议题聚焦低资源语言的数据供给问题，关注人工高精标语料与合成数据如何发挥各自作用，以及如何兼顾数据质量、覆盖范围和建设成本。李英在论坛总结中归纳，人工标注数据与大模型合成数据均具有价值，关键在于合理搭配，既让人工标注投入用于切实改善模型能力，也通过合成数据提升性能、降低数据建设成本。此前引导发言中，于志强强调语料质量的重要性，提出利用同语族、同语系语言之间的关联开展迁移，并加强母语者与语言专家在语料整理、标注和校验中的参与；韩露介绍的数据流通基础设施，则为分散语料的汇聚、可信开发、数据集建设及后续成果转化提供了工程支撑。

议题二：如何依托多任务对齐技术，夯实通用大模型基础翻译能力？

在数据供给之外，论坛进一步将关注点转向模型基础能力。汤智文从“多任务”与“对齐”两个层面解释议题，认为同一模型可以承担不同语言的翻译、摘要等任务，通过关联任务的联合或分阶段训练，探索任务之间的协同增益。金鑫则从多语种互译出发，强调模型需要理解源语言与目标语言，并建立语义对应关系；在技术路径上，可先利用语料较充分的语言任务训练基础翻译能力，再通过小样本学习、表示学习等方法提升对低资源语种的适应能力。围绕辅助任务如何改善翻译，于志强以主谓宾结构识别和命名实体识别为例，提出用相对简单的语言分析任务带动复杂翻译任务，让模型先识别句子结构及关键实体，再提升整体翻译效果。李英进一步解释，词性、句法结构及修饰关系等信息可以与翻译任务联合训练，帮助模型弥补小语种理解能力的不足，并通过多语言之间的结构关联促进知识迁移。此前引导报告中，杨航介绍的多语言共享表示、多粒度句法知识增强与动态混合专家机制，也为这一讨论提供了技术参照。讨论随后从语言结构延伸至文化和业务语境。江坤结合两亚跨境贸易实践提出，企业需要解决的不只是字面翻译，还包括商务流程、文化背景与政策背景之间的差异，应围绕行业场景建立标准模板，并通过持续反馈积累业务经验。李英以跨境电商为例补充，直译未必符合当地表达习惯，部分内容仍需当地语言使用者校验，语言层面的对齐应进一步延伸至文化背景的对齐。

议题三：如何运用层级选择性适配破解泛化应用难题？

第三项议题面向实际应用，关注模型如何适应不同语种、行业和任务需求，以及如何兼顾效果、效率与成本。李英首先从技术层面解释，层级选择性适配涉及对模型特定层或神经元进行调整，并以电力标准翻译、面向东南亚学生的课程翻译与语音合成为例，引导讨论从模型参数适配延伸至行业应用需求。围绕企业部署条件，韩露提出，企业更关注自有数据如何与通用模型结合，以及最终能否满足具体业务需求；受算力与专业人才限制，“通用大模型＋知识库”是较为常见的实施方式。金鑫进一步分析了模型微调的人力与算力成本、企业数据不完整及私密数据本地使用等约束，并以边贸互市场景说明低成本、实时翻译工具的实际需求。江坤建议将应用范围聚焦于农业、旅游、矿产、能源和基础设施等两亚合作领域，围绕行业术语、业务规范和文化语境建立适配模板。杨薇则提出，场景选择应重点考察业务标准化程度、实施成本与投入产出比，并由懂行业、懂语言和懂技术的人员共同参与，形成可持续的应用模式。在具体技术路径上，李英以电力领域为例，提出在通用翻译能力基础上，通过领域微调以及外部知识库、对齐词典、术语库和命名实体资源，改善专业内容的翻译效果；面向多个场景，还需进一步优化训练数据配比、采样方式与迭代流程。李泽键提出能否先在少数领域做深，再逐步拓展应用范围的问题，也推动了讨论向分阶段落地的路径聚焦。

现场讨论进一步覆盖教育、旅游、直播与公安等领域。赵样提出课程、教育和竞赛出海对小语种翻译的需求；潘雪结合职业教育，介绍了酒店接待、旅游服务及乘务场景中的多语言沟通需求；黎慧分享了面向东南亚的跨境直播实时翻译需求。陈俊围绕公安接处警和笔录分析，介绍了通过采集民族语言语音、开展针对性训练，并结合大小模型进行意图识别的探索，同时强调相关工作仍处于小范围测试阶段，需要关注紧急报警识别、翻译准确性和人工介入。此外，徐文俊提出将AI眼镜、智能体与场景语境结合的设想，杨航回应介绍了团队正在探索的语音翻译投影与演讲提示功能；邢旺则从语义通信出发，提出将少数民族语言、小语种处理与通信研究相结合，并关注语义有效性、可靠性及跨文化表达的综合评价。上述讨论将模型适配落实到具体业务条件与技术需求，为小语种翻译从研究走向应用提供了更明确的方向。

三、论坛结语

本论坛围绕数据协同、模型能力提升与场景应用形成了以下三点主要共识。

1）人工标注语料与大模型合成数据均具有应用价值，关键在于合理搭配、发挥互补作用。结合语种特点和任务需求，将人工标注投入用于关键语料的质量保障，同时利用合成数据扩大训练资源覆盖，在提升模型性能的同时控制数据建设成本。

2）引入有效的辅助对齐任务，强化大模型对于低资源语言的词汇、语法和语言结构的理解，同时兼顾不同国家的文化背景与表达习惯，减少因语境理解不足造成的翻译偏差，提高译文的准确性与适切性。

3） 小语种翻译大模型要结合云南省特色产业电力、旅游、直播、商贸、公安等开展技术研究。一方面，构建高质量的领域特定数据，实现翻译大模型高效参数微调，提升特定领域大模型翻译能力；另一方面，构建行业术语，通过外部知识检索增强，快速适配专业内容翻译，推动翻译大模型能力与实际应用的快速适配。

撰稿：李英、熊文

审核：钱晔

终审：刘应波