Die Kontrastive Präferenzoptimierung ist eine innovative Methode für die maschinelle Übersetzung. Sie trainiert Modelle dazu, die Generierung von lediglich ausreichend guten, aber nicht perfekten Übersetzungen zu vermeiden und steigert so die Leistung des ALMA-Modells erheblich. In Tests auf den Datensätzen von WMT'21, WMT'22 und WMT'23 erreicht sie die Leistung der WMT-Wettbewerbssieger und von GPT-4 oder übertrifft diese sogar.