基于多级记忆的在线文档级翻译代理 DelTA
计算与语言
2025-03-06 v2 人工智能
摘要
大型语言模型 (LLM) 在机器翻译 (MT) 中取得了令人满意的质量改进。然而，当前大多数 MT-LLM 研究在处理整个文档时仍面临翻译一致性和准确性方面的显著挑战。本文引入 DelTA，一款设计用于克服这些限制的 Document-levEL Translation Agent。DelTA 具有多级记忆结构，存储各种粒度和跨度的信息，包括 Proper Noun Records、Bilingual Summary、Long-Term Memory 和 Short-Term Memory，这些记忆通过辅助 LLM 组件持续检索和更新。实验结果表明，DelTA 在四个开放/封闭源 LLM 和两个代表性文档翻译数据集上均显著优于强大基线，平均提升一致性得分最高可达 4.58 个百分点，COMET 分数提升最高可达 3.16 分。DelTA 采用逐句翻译策略，确保不遗漏句子，相较于主流方法具有更好的记忆效率。此外，DelTA 改进了代词和上下文相关翻译的准确性，代理的摘要组件在查询式摘要任务中也显示出良好的前景。我们的方案的代码和数据已发布于 https://github.com/YutongWang1216/DocMTAgent。
引用
@article{arxiv.2410.08143,
title = {DelTA: An Online Document-Level Translation Agent Based on Multi-Level Memory},
author = {Yutong Wang and Jiali Zeng and Xuebo Liu and Derek F. Wong and Fandong Meng and Jie Zhou and Min Zhang},
journal= {arXiv preprint arXiv:2410.08143},
year = {2025}
}
备注
Accepted as a conference paper at ICLR 2025