低资源语言成本高效跨语言检索增强生成：孟加拉农业咨询案例研究

可靠的农业咨询在许多发展地区仍受限于语言障碍：权威农业手册主要以英语撰写，而农民主要使用低资源的本地语言（如孟加拉语）进行交流。尽管近期在大型语言模型（LLM）中实现了自然语言交互，但直接在低资源语言中生成内容往往表现出语言表达不流畅和事实不一致，而云端解决方案又昂贵且不可负担。本文提出了一种面向孟加拉语农业咨询的成本高效、跨语言检索增强生成（RAG）框架，强调事实依托和实际可部署性。该系统采用翻译中心化的体系结构，即将孟加拉语用户查询翻译成英语，通过领域特定关键词注入来将口语化的农民术语与科学术语对齐，并通过对精选英语农业手册（FAO、IRRI）进行稠密向量检索来获取答案。生成的英语响应随后被翻译回孟加拉语，以确保可及性。该系统完全基于开源模型实现，无需依赖付费API，即可在消费级硬件上运行。实验评估表明，系统能够提供可靠的来源依托响应，对超出域查询表现出鲁健的拒绝能力，端到端延迟平均低于20秒。结果表明，跨语言检索结合受控翻译为低资源语言环境下的农业知识获取提供了一种实用且可扩展的解决方案。