文学翻译的奖励改由大模型打分：只用原文做强化学习，7B模型在隐喻句上超过QwQ-32B-preview
文学翻译的强化学习奖励改由大模型按预设标准打分，不再依赖人工偏好标注或成对参考译文。此前DRT系列推理翻译模型靠合成的长思维链与译文做监督微调，R1-T1、MT-R1等强化学习路线则以COMET、CometKiwi等机器翻译指标作奖励。以Qwen2.5-7B为底座，DeepTrans-7B在MetaphorTrans上相对其底座在GEA5、GEA100、GRF上分别提升16.3%、13.8%、9.0%，并在多数指标上优于30B以下的基线。