MAS-Bai: Linguistically Informed Adaptive Multi-Agent Translation for Bowen-Script Bai
Pubblicata su AIChronos il · fonte del · Jingting Zheng, Hong Ren, Yuehan Cui, Shaolin Zhu, Deyi Xiong
Il documento introduce MAS-Bai, un framework adattivo multi-agente informato linguisticamente per la traduzione da cinese a Bai in scrittura Bowen. Questo approccio affronta le sfide specifiche dei sistemi di scrittura che confliggono con i priors del pre-addestramento ad alta risorsa, mitigando l'uso improprio di prestiti fonetici come traduzioni letterali. Il sistema utilizza un routing adattivo verso percorsi di traduzione leggeri o filologici profondi e impiega la coerenza ciclica per garantire affidabilità durante l'inferenza.
- MAS-Bai implementa un framework multi-agente che seleziona dinamicamente tra un percorso di retrieval-traduzione leggero e uno filologico profondo con agenti etimologici e sintattici.
- La costruzione di un corpus specifico da 6.536 frasi ha permesso di superare i limiti dei modelli standard RAG, ottenendo miglioramenti significativi nei punteggi BLEU (8.11) e COMET (6.85).
- Gli esperimenti di ablazione degli esperti LoRA e il routing controllato hanno distinto chiaramente il ruolo dell'adattamento supervisionato dall'esperienza specifica per la lingua Bai.
- Le prestazioni migliori sono osservate sui prestiti fonetici in Bowen e sulla gestione delle divergenze nell'ordine delle parole del Bai, validate anche da valutazioni umane.
- Il sistema utilizza un traduttore leggero inverso come segnale di affidabilità durante l'inferenza per correggere le allucinazioni tipiche della traduzione letterale.
Perché conta. Per gli sviluppatori che lavorano con LLM e agenti, MAS-Bai dimostra come il routing adattivo e la specializzazione linguistica siano cruciali quando si affrontano lingue a risorse estreme o sistemi di scrittura non standard. Inoltre, l'uso del ciclo-consistenza per monitorare l'affidabilità in tempo reale offre un pattern utile per implementare controlli di qualità robusti negli agenti AI locali senza sacrificare le prestazioni.
Scheda generata automaticamente da un modello AI locale a partire dalla fonte originale: può contenere imprecisioni.