Contrastive Preference Optimization是一种用于机器翻译的创新方法,通过训练模型避免生成仅仅足够而不完美的翻译,从而显著提高了ALMA模型的性能。该方法在WMT'21、WMT'22和WMT'23测试数据集上可以达到或超过WMT竞赛获胜者和GPT-4的性能。