DRT-o1（Deep Reasoning Translation）项目旨在将长思维链（Long Chain-of-Thought）推理的成功经验引入神经机器翻译（MT），相关研究论文包括《DRT: Deep Reasoning Translation via Long Chain-of-Thought》（ACL 2025 Findings）、《DeepTrans: Deep Reasoning Translation via Reinforcement Learning》（TACL 2025）以及《ExTrans: Multilingual Deep Reasoning Translation via Exemplar-Enhanced Reinforcement Learning》（arXiv 2025）。
用途：项目探索将长思维推理用于机器翻译的技术路线，目标并非在 MT 上达到与 OpenAI O1 竞争的性能，而是作为探索的副产品，推动该方向的研究。
主要能力：DRT 从现有文学书籍中挖掘包含明喻或隐喻的英文句子，这些句子适合通过长思维进行翻译。项目提出一个由翻译者、顾问和评估者三个智能体组成的多智能体框架，用于合成带有长思维过程的 MT 样本，共合成 22,264 条样本。基于 Llama-3.1-8B-Instruct、Qwen2.5-7B-Instruct 和 Qwen2.5-14B-Instruct 分别训练了 DRT-8B、DRT-7B 和 DRT-14B。DRT 模型在推理时先生成思维内容，再给出最终翻译。DeepTrans-7B 通过强化学习增强深度推理大模型的自由翻译能力，使用 DeepSeek-v3（671B）作为奖励模型，并针对翻译和思维过程设计评分标准。ExTrans-7B 采用示例增强的强化学习，对每个训练 MT 样本使用 DeepSeek-R1（671B）生成示例翻译，将策略模型的翻译结果与示例翻译比较以提供奖励。mExTrans-7B 将 ExTrans-7B 从英译中扩展至 11 种语言，包括中文、英文、阿拉伯语、捷克语、德语、西班牙语、法语、意大利语、日语、俄语和韩语。
使用方式：DRT 模型推理时使用系统提示“You are a philosopher skilled in deep thinking, accustomed to exploring complex problems with profound insight.”，用户提示为“Please translate the following text from English to Chinese:\n[An English text]”。项目提供 Huggingface Transformers 和 VLLM 的部署与推理方式，具体代码和命令请参考仓库。合成数据名为 MetaphorTrans，存放于 data/MetaphorTrans_*.jsonl，其中 text 和 trans 分别表示源英文句子和目标中文翻译，thought 表示 MT 的思维内容。
适用场景：适合研究长思维推理在机器翻译中的应用，尤其是包含明喻或隐喻的英文句子翻译，以及多语言深度推理翻译研究。
限制：项目明确表示目标并非与 OpenAI O1 在 MT 上竞争。评估基于两本文献书籍：《The Essential O. Henry Collection》和《Orbital》，其中《The Essential O. Henry Collection》内容已在 data/ohenry.txt 发布，《Orbital》因版权保护无法发布，如需仅用于研究目的，可发送申请邮件至 jawang.nlp[at]gmail.com。项目采用 cc-by-nc-sa-4.0 许可证。关于收费、价格等信息，资料中暂未提供。
