현대의 신경 기계 번역 (Neural Machine Translation, NMT) 시스템은 거의 전적으로 감독 학습용 병렬 데이터로 훈련하여 구축됩니다. 거대한 진보를 이루었음에도 불구하고 이러한 시스템은 여전히 지속적인 번역 오류를 보입니다. 본 논문에서는 강화 학습 (Reinforcement Learning, RL) 을 기반으로 한 후학습 패러다임이 이러한 실수를 효과적으로 수정할 수 있다고 제안합니다. 우리는 일반 텍스트 코퍼스 (text corpus) 와 전문가 통역사 (인간 또는 AI 시스템) 만으로 반복적인 피드백을 제공할 수 있는 새로운 프레임워크를 소개합니다. 우리의 실험에서는 대표적인 고자원 언어 쌍인 영어에서 독일어로의 번역에 특히 중점을 둡니다.至关重要的是, 우리는 이 RL 기반 후학습을 직접 선호 최적화 (Direct Preference Optimization, DPO) 를 사용하여 구현했습니다. 제안한 DPO 기반 프레임워크를 gemma3-1b 모델에 적용한 결과, 영어에서 독일어로의 작업에서 COMET 점수가 0.703 에서 0.747 로 크게 향상되는 번역 품질 개선이 이루어졌습니다. 이 결과는 DPO 가 선호도 기반 후학습을 통해 사전 훈련된 NMT 모델을 효율적이고 안정적으로 향상시킬 수 있는 경로를 제공함을 보여줍니다.