TACTIC：基于认知理论交互协作的翻译智能体
计算与语言
2025-06-12 v2 人工智能
摘要
机器翻译长期以来一直是自然语言处理的核心任务。随着大语言模型（LLMs）的快速发展，翻译质量取得了显著进展。然而，充分释放 LLMs 的翻译潜力仍是一个开放性挑战。最近的研究探索了多智能体系统，将复杂的翻译任务分解为协作子任务，在通过智能体合作和专业化提升翻译质量方面展现出初步潜力。尽管如此，现有的多智能体翻译框架在很大程度上忽略了认知翻译研究的基础见解。这些见解强调人类译员如何采用不同的认知策略，例如平衡直译与意译、根据上下文润色表达以及迭代评估输出。为了解决这一局限性，我们提出了一个认知驱动的多智能体框架 TACTIC，即基于认知理论交互协作的翻译智能体。该框架包含六个功能不同的智能体，反映了在人类翻译行为中观察到的关键认知过程。这些智能体分别负责起草、润色、评估、打分、上下文推理和外部知识收集。通过模拟交互式且有理论依据的翻译工作流，TACTIC 有效地利用了 LLMs 的全部能力以实现高质量翻译。在 FLORES-200 和 WMT24 基准测试的多种语言对上的实验结果表明，我们的方法持续取得了 SOTA 性能。使用 DeepSeek-V3 作为基础模型，TACTIC 以平均 +0.6 XCOMET 和 +1.18 COMETKIWI-23 超越了 GPT-4.1。与 DeepSeek-R1 相比，它进一步提升了 +0.84 XCOMET 和 +2.99 COMETKIWI-23。代码可在 https://github.com/weiyali126/TACTIC 获取。
引用
@article{arxiv.2506.08403,
title = {TACTIC: Translation Agents with Cognitive-Theoretic Interactive Collaboration},
author = {Weiya Li and Junjie Chen and Bei Li and Boyang Liu and Zichen Wen and Nuanqiao Shan and Xiaoqian Liu and Anping Liu and Huajie Liu and Hu Song and Linfeng Zhang},
journal= {arXiv preprint arXiv:2506.08403},
year = {2025}
}
备注
20 pages, 4 figures, Under review. Code: https://github.com/weiyali126/TACTIC