論文の概要: DeepTrans Studio: Turning Expert Interventions into Shared Team Knowledge in Agentic Translation Workflows
- arxiv url: http://arxiv.org/abs/2606.29727v1
- Date: Mon, 29 Jun 2026 03:08:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-30 18:07:16.028211
- Title: DeepTrans Studio: Turning Expert Interventions into Shared Team Knowledge in Agentic Translation Workflows
- Title（参考訳）: DeepTrans Studio: 専門家の介入をエージェント翻訳ワークフローにおける共有チームの知識に変える
- Abstract要約: DeepTrans Studioは、プロがエージェント翻訳ワークフローで選択したノードをインターセプトできる、共同翻訳ワークスペースである。
デモでは、参加者がロールプレイの翻訳者とレビュアーを演じ、事前に設定された用語と法的なリスクを解決し、彼らの決定が下流セグメントにどのように伝達されるかを確認する。
デモでは、AIによる作業に対する人間の介入が、ワンオフ修正ではなく、共有され、トレース可能な知識になる様子が紹介されている。
- 参考スコア（独自算出の注目度）: 7.0428814806863
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Professional translation is often a team-based process: translators, reviewers, and project managers must coordinate terminology, legal force, and accountability across documents. Yet many LLM-based translation tools treat human corrections as isolated edits. Expert decisions made in one segment or by one member are rarely captured as reusable knowledge for the rest of the team. We present DeepTrans Studio, a collaborative translation workspace that lets professionals intercept selected nodes in an agentic translation workflow, review evidence, revise AI outputs, and save approved decisions to a shared team memory. During the demo, attendees will role-play translators and reviewers, resolve preset terminology and legal-modal risks, and see how their decisions are propagated to downstream segments and surfaced in a teammate's workspace as reusable precedents. The demo illustrates how human interventions in AI-mediated work can become shared, traceable knowledge rather than one-off corrections.
- Abstract（参考訳）: 翻訳者、レビュアー、プロジェクトマネージャは、文書にまたがる用語、法的力、説明責任を調整しなければならない。
しかし、多くのLLMベースの翻訳ツールは、人間の修正を独立した編集として扱う。
1つのセグメントまたは1人のメンバによってなされた専門家の決断は、チームの他の部分にとって再利用可能な知識として捉えられることは滅多にありません。
私たちはDeepTrans Studioを紹介します。これは、プロフェッショナルがエージェント翻訳ワークフローで選択したノードをインターセプトし、エビデンスをレビューし、AI出力を修正し、承認された決定を共有チームのメモリに保存する、共同翻訳ワークスペースです。
デモでは、ロールプレイのトランスレータとレビュアーが参加し、事前に設定された用語と法的なリスクを解決し、彼らの決定が下流のセグメントに伝達され、再利用可能な前例としてチームメイトのワークスペースに浮上する様子を確認する。
デモでは、AIによる作業に対する人間の介入が、ワンオフ修正ではなく、共有され、トレース可能な知識になる様子が紹介されている。
関連論文リスト
- Measuring User's Mental Models of Speech Translation in Human-AI Collaboration [23.64422798744437]
本稿では,言語間質問応答に基づく新しい枠組みを用いて,ユーザの音声翻訳システムのメンタルモデルについて検討する。
翻訳品質の異なるユーザ行動と精度傾向を解析することにより,システムがどこが間違っているかを予測することができるかを検討する。
論文 参考訳（メタデータ） (2026-06-23T14:40:36Z) - Translators as Invisible Teachers of AI: Copyright, Translation Memory, and the Political Economy of Linguistic Data [0.0]
人工知能(AI)時代における翻訳者の労働力の基盤的データ資本への転換について検討する。
翻訳者の遺言は契約下で納品品として購入され、技術的対象としてセグメント化され、著作権法の下で「情報分析」データとして処理されていると論じている。
論文 参考訳（メタデータ） (2026-05-24T03:21:41Z) - When Meanings Meet: Investigating the Emergence and Quality of Shared Concept Spaces during Multilingual Language Model Training [57.230355403478995]
本研究では,EuroLLMの事前学習における言語に依存しない概念空間の開発について検討する。
共有概念空間は早期に出現し、洗練され続けていますが、それらとの整合性は言語に依存しています。
従来の作業とは対照的に、細かな手作業分析により、翻訳品質の顕著な向上は、行動の変化を反映していることが判明した。
論文 参考訳（メタデータ） (2026-01-30T11:23:01Z) - Liaozhai through the Looking-Glass: On Paratextual Explicitation of Culture-Bound Terms in Machine Translation [70.43884512651668]
我々は、文学・翻訳研究からジェネットのパラテキスト論(1987年)を定式化し、機械翻訳におけるパラテキスト明示の課題を紹介した。
古典中国語の短編集集Liaozhaiの4つの英訳から560の専門家対応パラテキストのデータセットを構築した。
本研究は,言語的等価性を超えた機械翻訳におけるパラテクスト的明示の可能性を示すものである。
論文 参考訳（メタデータ） (2025-09-27T16:27:36Z) - TACTIC: Translation Agents with Cognitive-Theoretic Interactive Collaboration [19.58067098896903]
本稿では,TACTICと呼ばれる認知情報に基づくマルチエージェントフレームワークを提案する。
ヒトの翻訳行動で観察される主要な認知過程を反映する6つの機能的に異なるエージェントから構成される。
我々の手法は一貫して最先端の性能を達成する。
論文 参考訳（メタデータ） (2025-06-10T03:22:30Z) - CRAT: A Multi-Agent Framework for Causality-Enhanced Reflective and Retrieval-Augmented Translation with Large Language Models [59.8529196670565]
CRATは、RAGと因果強化自己回帰を利用して翻訳課題に対処する、新しいマルチエージェント翻訳フレームワークである。
以上の結果からCRATは翻訳精度を著しく向上させ,特に文脈に敏感な単語や語彙の出現に寄与することが示唆された。
論文 参考訳（メタデータ） (2024-10-28T14:29:11Z) - Con-ReCall: Detecting Pre-training Data in LLMs via Contrastive Decoding [118.75567341513897]
既存のメソッドは通常、ターゲットテキストを分離して分析するか、非メンバーコンテキストでのみ分析する。
Con-ReCallは、メンバと非メンバのコンテキストによって誘導される非対称な分布シフトを利用する新しいアプローチである。
論文 参考訳（メタデータ） (2024-09-05T09:10:38Z) - (Perhaps) Beyond Human Translation: Harnessing Multi-Agent Collaboration for Translating Ultra-Long Literary Texts [56.7988577327046]
翻訳企業の役割と協調の実践をシミュレートする,新しいマルチエージェントフレームワークであるTransAgentsを紹介する。
本研究は,翻訳品質の向上,特にテキストの長文化におけるマルチエージェント協調の可能性を明らかにするものである。
論文 参考訳（メタデータ） (2024-05-20T05:55:08Z) - Prompting ChatGPT for Translation: A Comparative Analysis of Translation Brief and Persona Prompts [0.0]
本稿では,ChatGPTにおける翻訳作業の素早い設計に,翻訳の簡潔さの概念ツールと翻訳者および著者のペルソナを組み込むことの有効性について論じる。
また, 翻訳作業における人間間コミュニケーションの促進には, 特定の要素が構成的ではあるが, ChatGPTの翻訳品質の向上には有効性が限られていることが示唆された。
このことは、人間と人間の相互作用を含むこの新たなワークフローにおいて、翻訳理論家や実践者が、翻訳目的の人間と人間のコミュニケーションパラダイムに根ざした、現在の概念的なツールセットをどのように開発するかに関する爆発的な研究の必要性を強調している。
論文 参考訳（メタデータ） (2024-02-29T21:05:38Z) - On the Copying Problem of Unsupervised NMT: A Training Schedule with a
Language Discriminator Loss [120.19360680963152]
unsupervised neural machine translation (UNMT)は多くの言語で成功している。
コピー問題、すなわち、入力文の一部を翻訳として直接コピーする問題は、遠い言語対に共通している。
本稿では,言語識別器の損失を取り入れた,シンプルだが効果的な訓練スケジュールを提案する。
論文 参考訳（メタデータ） (2023-05-26T18:14:23Z)
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。