Loong：一种基于观察-行动自适应上下文选择的人类化长文档翻译代理
计算与语言
2026-05-29 v1 人工智能
摘要
文档级翻译是大型语言模型面临的最具挑战性任务之一，这些模型受限于上下文窗口大小，限制了全局一致性，同时还受到冗余上下文信息的干扰，影响翻译质量。为此，我们提出一种称为Loong的人类化长文档翻译代理，利用3E记忆模块（Essence-Exemplar-Entity）存储摘要、句子对和实体记录作为历史上下文。Loong不被动地注意所有历史内容，而是通过深度推理自适应地识别最佳上下文以指导翻译。Loong通过强化学习优化其上下文策略，利用其自身抽样的观察-行动推理轨迹所派生的偏好数据。经验评估表明，Loong在英汉、德英、法英等三个方向的翻译质量均实现了显著提升，在三个评估指标上平均提升最高可达13.0分。此外，Loong在跨域泛化和抗噪能力方面表现强劲，在超长文档翻译中保持显著稳定性。我们的代码已发布于 https://github.com/YutongWang1216/LoongDocMT。
引用
@article{arxiv.2605.30274,
title = {Loong: A Human-Like Long Document Translation Agent with Observe-and-Act Adaptive Context Selection},
author = {Yutong Wang and Xuebo Liu and Derek F. Wong and Zhilin Li and Rongqing Jiang and Min Zhang and Shimin Tao and Daimeng Wei and Min Zhang},
journal= {arXiv preprint arXiv:2605.30274},
year = {2026}
}