Orion - 针对轻小说场景训练、优化的翻译模型

20260124更新：Orion-HYMT1.5-1.8B-SFT-v2601 训练完成，轻量且效果较好，推荐使用此模型！

已完成

• 收集轻小说语料：70000+本日文轻小说档案，16000+本中文翻译档案
• 日版-翻译档配对：3000+对
• 日-中翻译对：9,800,000对
• 训练数据合成：9,000,000+行，约7,150,000,000+字符
• NER模型：Orion-NER-110M-v1已上传权重和训练数据
• HunYuan MT1.5-7B 模型微调（SFT阶段）
• Orion-Qwen3-1.7B-SFT-v2601 模型微调（SFT阶段）
• HunYuan MT1.5-1.8B 模型微调（SFT阶段）
• Orion-Qwen3-4B-SFT-v2601 模型微调（SFT阶段）

正在进行

• Qwen3 1.7B 大规模继续预训练（CPT）
• 构建高质量偏好对齐数据集
• 训练轻小说领域的翻译质量评估模型（LightComet）

即将进行

• HunYuan MT1.5-1.8B 模型偏好对齐
• Qwen3 1.7B 模型偏好对齐

后续计划

训练数据持续更新、优化中……

========================================

Timeline

• 2025-02 开坑
• 2025-04~2025-08 90000+本轻小说文档库构建完成
• 2025-09~2025-12 轻小说文档数据清洗、配对完成，NER模型Orion-NER-110M-v1训练完成
• 2026-01~现在 训练数据准备完成，模型训练中