MAS-LitEval：用于文学翻译质量评估的多主体系统
计算与语言
2025-06-18 v1
摘要
文学翻译需要保留文化细微差别和风格元素，而传统指标如 BLEU 和 METEOR 由于侧重于词汇重叠，无法评估这些方面，这忽略了对叙事一致性和风格忠实度的重要性。为此，我们提出 MAS-LitEval，一种利用大型语言模型（LLM）进行的多主体系统，依据术语、叙事和风格对翻译进行评估。我们在《小王子》和《康涅狄格 Yankee in King Arthur's Court》的翻译上测试了 MAS-LitEval，使用了各种 LLM 生成的翻译，并将其与传统指标进行了比较。\textbf{MAS-LitEval} 在捕捉文学细微差别方面优于这些指标，顶级模型最高可达 0.890 的评分。这项工作引入了一种可扩展、细致入微的翻译质量评估（TQA）框架，为翻译者和研究人员提供了实用工具。
引用
@article{arxiv.2506.14199,
title = {MAS-LitEval : Multi-Agent System for Literary Translation Quality Assessment},
author = {Junghwan Kim and Kieun Park and Sohee Park and Hyunggug Kim and Bongwon Suh},
journal= {arXiv preprint arXiv:2506.14199},
year = {2025}
}
备注
4 Pages, 2 tables, EMNLP submitted