論文の概要: Loong: A Human-Like Long Document Translation Agent with Observe-and-Act Adaptive Context Selection

• arxiv url: http://arxiv.org/abs/2605.30274v1
• Date: Thu, 28 May 2026 17:32:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-30 02:45:56.629949
• Title: Loong: A Human-Like Long Document Translation Agent with Observe-and-Act Adaptive Context Selection
• Title（参考訳）: Loong:オブザーバ・アンド・アクティヴ・コンテクスト選択機能を備えた人型長文翻訳エージェント
• Authors: Yutong Wang, Xuebo Liu, Derek F. Wong, Zhilin Li, Rongqing Jiang, Min Zhang, Shimin Tao, Daimeng Wei, Min Zhang,
• Abstract要約: 人型長文翻訳エージェントであるLoongを提案する。 すべての歴史に受動的に出席する代わりに、Loongは翻訳指導の最適な文脈を適応的に特定するために深い推論を行う。 ロンは英語、中国語、ドイツ語、フランス語の翻訳精度を大幅に向上させた。
• 参考スコア（独自算出の注目度）: 53.35431894360283
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Document-level translation remains one of the most challenging tasks for large language models, which are constrained by limited context windows that impede global cohesion, while simultaneously suffering from redundant contextual information that degrades translation quality. To address this, we propose a human-like long document translation agent called Loong, which leverages a 3E memory module (Essence-Exemplar-Entity) to store summaries, sentence pairs, and entity records as historical context. Instead of passively attending to all history, Loong performs deep reasoning to adaptively identify the optimal context for translation guidance. Loong optimizes its context policy through reinforcement learning, utilizing preference data derived from its own sampled observe-and-act reasoning trajectories. Empirical evaluations demonstrate that Loong achieves substantial translation quality improvements in English $\Leftrightarrow$ Chinese, German, and French directions, with average gains of up to 13.0 points across the three evaluation metrics. Furthermore, Loong exhibits strong generalization across domains and robustness against contextual noise, while maintaining remarkable stability in ultra-long document translation. Our code is released at https://github.com/YutongWang1216/LoongDocMT.
• Abstract（参考訳）: 文書レベルの翻訳は、大言語モデルの最も困難なタスクの1つであり、グローバルな凝集を阻害する限られたコンテキストウィンドウによって制約され、同時に翻訳品質を低下させる冗長なコンテキスト情報に悩まされている。 そこで本研究では,3Eメモリモジュール(Essence-Exemplar-Entity)を利用して要約,文ペア,エンティティレコードを歴史的文脈として格納する,Longという人間のような長文翻訳エージェントを提案する。 すべての歴史に受動的に出席する代わりに、Loongは翻訳指導の最適な文脈を適応的に特定するために深い推論を行う。 Loongは、強化学習を通じてコンテキストポリシーを最適化し、独自のサンプル・アンド・アクティヴ推論軌道から得られた好みデータを活用する。 実証的な評価は、Loongが英語の$\Leftrightarrow$ Chinese, German, French directionで相当な翻訳品質の向上を達成していることを示している。 さらに、Loongはドメイン間の強い一般化とコンテキストノイズに対する堅牢性を示し、超長期文書翻訳において顕著な安定性を維持している。 私たちのコードはhttps://github.com/YutongWang1216/LoongDocMTで公開されています。

関連論文リスト

• DITING: A Multi-Agent Evaluation Framework for Benchmarking Web Novel Translation [31.1561882673283]
  DIINGは、Webノベル翻訳のための最初の総合的な評価フレームワークである。 AgentEvalは専門家による検討をシミュレートし、語彙オーバーラップを超えて翻訳品質を評価する。 誤りラベルとスカラー品質スコアを付加した300文対のメタ評価データセットであるMetricAlignを開発した。
  論文  参考訳（メタデータ） (2025-10-10T08:10:10Z)
• Do LLMs Understand Your Translations? Evaluating Paragraph-level MT with Question Answering [68.3400058037817]
  本稿では,TREQA(Translation Evaluation via Question-Answering)について紹介する。 我々は,TREQAが最先端のニューラルネットワークとLLMベースのメトリクスより優れていることを示し,代用段落レベルの翻訳をランク付けする。
  論文  参考訳（メタデータ） (2025-04-10T09:24:54Z)
• Large language models effectively leverage document-level context for literary translation, but critical errors persist [32.54546652197316]
  大規模言語モデル(LLM)は、幅広い文レベルの翻訳データセット上での最先端技術と競合する。 我々は,Gpt-3.5 (text-davinci-003) LLM) を用いて文節全体を翻訳し,高品質な翻訳を行うという厳密な評価を通して示す。
  論文  参考訳（メタデータ） (2023-04-06T17:27:45Z)
• Modeling Context With Linear Attention for Scalable Document-Level Translation [72.41955536834702]
  本稿では,近年の文書翻訳における線形アテンションモデルの有効性について検討し,直流帰納バイアスを促進するためにセンデンシャルゲートで拡張する。 感性ゲーティングはIWSLTの翻訳品質をさらに向上させることを示す。
  論文  参考訳（メタデータ） (2022-10-16T03:41:50Z)
• ChrEnTranslate: Cherokee-English Machine Translation Demo with Quality Estimation and Corrective Feedback [70.5469946314539]
  ChrEnTranslateは、英語と絶滅危惧言語チェロキーとの翻訳のためのオンライン機械翻訳デモシステムである。 統計モデルとニューラルネットワークモデルの両方をサポートし、信頼性をユーザに通知するための品質評価を提供する。
  論文  参考訳（メタデータ） (2021-07-30T17:58:54Z)
• Time-Aware Ancient Chinese Text Translation and Inference [6.787414471399024]
  我々は、古代漢文の翻訳をめぐる課題に対処することを目指している。 時代の違いによる言語的なギャップは、質の悪い翻訳をもたらす。 ほとんどの翻訳は、しばしばテキストを理解するのに非常に重要な文脈情報を欠いている。
  論文  参考訳（メタデータ） (2021-07-07T12:23:52Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。