Redazione RHC : 3 septiembre 2025 09:55
La empresa china Tencent ha publicado el código fuente de un nuevo conjunto de modelos de lenguaje Hunyuan-MT, especialmente optimizados para tareas de traducción. Los desarrolladores afirman que los algoritmos tienen un rendimiento superior al de Google Translate en la popular prueba de rendimiento WMT25.
El conjunto comprende cuatro modelos, incluyendo dos modelos insignia: Hunyuan-MT-7B y Hunyuan-MT-Chimera-7B, cada uno con 7 mil millones de parámetros. También se presentan dos versiones comprimidas que consumen menos memoria, pero funcionan con una ligera pérdida de calidad de traducción.
Tencent utilizó cuatro conjuntos de datos para el entrenamiento. Dos de ellos incluían textos en 33 idiomas sin traducción, mientras que los otros dos incluían varios millones de pares de oraciones y sus traducciones. Este enfoque les permitió combinar el conocimiento del idioma con el conocimiento general.
La eficacia de los modelos se evaluó mediante la prueba MMLU-Pro, diseñada para evaluar el conocimiento general. Hunyuan-MT tuvo un mejor rendimiento que Llama-3-8B-Base, a pesar de tener menos parámetros.
Tras el entrenamiento inicial, los modelos se sometieron a una etapa adicional de entrenamiento mediante aprendizaje por refuerzo. Tencent les proporcionó tareas y retroalimentación sobre la calidad de la traducción, lo que contribuyó a mejorar su precisión.
La calidad se evaluó mediante un sistema de IA independiente, que analizó la correspondencia semántica de la traducción con el original y el uso correcto de la terminología en diferentes campos.
El primer modelo de la serie, Hunyuan-MT-7B, se basa en la arquitectura clásica de los modelos de lenguaje. La variante Chimera-7B utiliza un método de conjunto: varias redes neuronales procesan una consulta simultáneamente y sus respuestas se combinan para obtener una versión final de mayor calidad.
En las pruebas WMT25 que compararon traducciones en 31 pares de idiomas, Hunyuan-MT superó a Google Translate en 30 casos, y algunos pares obtuvieron resultados hasta un 65 % superiores.
Además, la serie de Tencent obtuvo un mejor rendimiento que GPT-4.1 y Claude 4 Sonnet de Anthropic en la mayoría de los pares de idiomas en el mismo punto de referencia.
RedazioneGoogle se acerca a la presentación oficial de Gemini 3.0 , el nuevo modelo de inteligencia artificial que representa uno de los pasos más significativos en la estrategia de la compañía. Según inf...
La búsqueda de la inmortalidad es una obsesión generalizada en Silicon Valley. Asimismo, la idea de perfeccionar a los niños mediante la modificación genética es otra. Sam Altman, el hombre que p...
El quishing es una forma emergente de ciberataque que combina el phishing tradicional con el uso de códigos QR , herramientas ya conocidas por muchos. El término « quishing » es una combinación d...
Las operaciones psicológicas, comúnmente conocidas como PsyOps, constituyen un elemento significativo y a menudo poco comprendido de la estrategia militar y de seguridad . Estas operaciones implican...
En el mundo de la ciberseguridad, los cortafuegos constituyen la primera línea de defensa contra las ciberamenazas y los ciberataques. Diariamente, empresas y usuarios domésticos se exponen a riesgo...
