这两天腾讯AI实验室的研究团队发表了一篇关于多代理协作翻译超长文学文本的研究论文。这项研究旨在解决文学翻译中复杂的语言、比喻表达和文化细微差别等问题，提出了一种基于大语言模型（LLMs）的多代理框架，称为TRANSAGENTS，模拟传统的翻译出版过程，通过多个代理的集体能力来应对文学作品翻译的复杂需求
paper: https://arxiv.org/pdf/2405.11804
体验地址: http://www.transagents.ai/
多代理系统TRANSAGENTS
改进文学翻译的质量
研究团队介绍了如何通过多代理系统来改进文学翻译的质量。TRANSAGENTS在翻译过程中包括两个主要阶段，每个阶段又分为多个子阶段。首先，由预先定义的CEO代理根据每个客户的具体要求选择高级编辑，然后高级编辑组建团队，包括初级编辑、译者、本地化专家和校对员。每个团队成员通过多个子阶段进行协作，采用加法减法协作和三边协作等策略来精炼和提升翻译输出
在第一阶段中，CEO代理会根据翻译项目的具体要求，选择一名高级编辑。高级编辑负责组建翻译团队，并指定每个成员的任务。翻译团队通常包括初级编辑、译者、本地化专家和校对员。初级编辑负责初步的翻译工作，译者进行详细的翻译，本地化专家负责文化和语言适应，而校对员则负责最后的质量检查。这个过程中，每个成员都在各自的角色中发挥作用，确保翻译的质量和一致性
第二阶段是团队协作的核心部分。各个团队成员通过多轮次的加法减法协作和三边协作，逐步完善翻译内容。加法减法协作是指团队成员分别添加和删除内容，以确保翻译的准确性和完整性。三边协作则是指三个主要角色——编辑、译者和校对员之间的密切合作，通过反复讨论和修改，最终达成最优的翻译结果。这种多轮次的协作过程不仅提高了翻译的质量，还能有效减少错误和遗漏
研究发现
为了评估系统的有效性，研究团队提出了两种创新的评估策略：单语人类偏好（MHP）和双语大语言模型偏好（BLP）。MHP从目标语言的单语读者的角度评估翻译，而BLP使用先进的大语言模型直接将翻译与原文进行比较。尽管TRANSAGENTS在d-BLEU得分上表现较差，但其翻译作品更受人类评估者和语言模型的青睐，尤其是在需要特定领域知识的体裁中，如历史背景和文化细节
研究发现，TRANSAGENTS在生成多样且生动描述方面具有优势，但在当代体裁中表现不佳。此外，使用TRANSAGENTS进行文学文本翻译可以显著降低成本，比雇用专业人类译者减少80倍。然而，研究也指出，基于LLM的翻译系统（包括GPT-4和TRANSAGENTS）在内容遗漏等方面存在显著限制
具体来说，TRANSAGENTS通过多个智能助手的协作，能够更好地处理文学作品中的复杂细节。例如，在翻译一部涉及丰富历史背景的小说时，TRANSAGENTS可以通过本地化专家的帮助，更准确地传达出原文中的文化和历史背景。这对于那些需要特定领域知识的翻译任务尤为重要，因为这种知识通常很难通过单一的翻译工具或个人来实现
此外，TRANSAGENTS在生成多样且生动的描述方面也表现出色。这是因为在翻译过程中，多个智能助手可以提出不同的翻译方案，并通过讨论和修改，选择最优的方案。这种多样性的翻译方式不仅提高了翻译的质量，也使得翻译作品更加生动和有趣。相比之下，传统的翻译工具往往只能提供单一的翻译方案，难以达到这种效果
⭐星标AI寒武纪，好内容不错过⭐
用你的赞和在看告诉我～
虚拟翻译出版公司👇👇