在机器翻译领域，“忠实度(信)”、“表现力(达)”、“优雅性(雅)”一直是研究者们不懈追求的目标。然而，传统的评估指标如BLEU并不能完全符合人类对翻译质量的偏好。为了解决这一挑战，复旦大学自然语言处理实验室与复旦大学外文学院携手合作，共同探索了利用基于人类反馈的强化学习（RLHF）来提升翻译质量的可能途径。 我们提出一种代价高效的偏好学习策略，只需少量专业翻译即可让模型对齐人类的“信、达、雅”