ZONE.CI 全球网

本文介绍EMNLP2026Oral论文HOMURA框架，针对LLM翻译中系统性冗长偏差问题，提出Sand-Glass基准测试与HOMURA强化学习框架，通过KL正则化与动态音节比例奖励实现精准长度控制，在时间受限场景下显著优于主流基线模型，已应用于bilibili原声翻译，为高质量时间受限翻译提供可行技术路径。