論文の概要: Translation as a Decision Space: A Multi-Agent Perspective on Low-Resource Dialect Generation
- arxiv url: http://arxiv.org/abs/2609.04048v1
- Date: Thu, 03 Sep 2026 16:22:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-04 18:28:39.153285
- Title: Translation as a Decision Space: A Multi-Agent Perspective on Low-Resource Dialect Generation
- Title（参考訳）: 決定空間としての翻訳:低リソース辞書生成における多元的視点
- Abstract要約: 我々は3つのエージェントを用いたトルコ語-シリア語のアラビア語翻訳に関する実証的研究を行った。
我々は、方言マーカー周波数、標準アラビア語への語彙的近接、構造的分散を用いて、構造化された行動変位を定量化する。
エージェント間の翻訳のばらつきは多言語モデルにおける決定の柔軟性を欠く。
- 参考スコア（独自算出の注目度）: 3.2299961867400557
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Neural machine translation (NMT) systems typically produce a single output per input, obscuring the alternative decision trajectories implicitly available within multilingual decoding. This opacity becomes particularly problematic in low-resource dialect settings, where multiple linguistically valid realizations may differ in lexical authenticity, register, and structural stability. We propose reframing translation as a structured decision space explored by autonomous translation agents. Instead of analyzing a single output, we model distinct translation pathways as agents operating over a shared multilingual backbone. Inter-agent divergence is treated not as error but as an interpretable behavioral signal. We conduct an empirical study on Turkish--Syrian Arabic translation using three agents: (1) zero-shot direct translation, (2) dialect-stabilized translation via lightweight fine-tuning, and (3) pivot translation through English. Evaluation is performed on 5,000 dialogue sentences, while stabilization is trained on 5,000 additional Turkish--Syrian sentence pairs drawn from television dialogue and MADAR-Turk resources. Rather than optimizing for conventional performance metrics, we quantify structured behavioral displacement using dialect marker frequency, lexical proximity to standardized Arabic, and structural variance. Lightweight stabilization nearly doubles dialect marker usage, increasing it from 0.2266 to 0.4988, while significantly reducing structural instability. Pivot mediation introduces normalization pressure and measurable compression effects, whereas zero-shot translation exhibits the highest decision variance. We argue that translation divergence across agents reveals latent decision flexibility within multilingual models and we provide a principled interpretability framework for low-resource dialect generation.
- Abstract（参考訳）: ニューラルマシン翻訳(NMT)システムは通常、入力毎に単一の出力を生成し、多言語デコーディングで暗黙的に利用可能な代替決定軌道を無視する。
この不透明度は、複数の言語学的に有効な実現法が語彙的正当性、レジスター、構造的安定性において異なる可能性がある低リソースの方言設定において特に問題となる。
本稿では,自律翻訳エージェントが探索する構造化決定空間として,リフレーミング翻訳を提案する。
単一のアウトプットを解析する代わりに、異なる翻訳経路を共有多言語バックボーン上で操作するエージェントとしてモデル化する。
エージェント間分岐は誤りではなく、解釈可能な行動信号として扱われる。
我々は,(1)ゼロショット直接翻訳,(2)軽量微調整による方言安定化翻訳,(3)英語によるピボット翻訳の3つのエージェントを用いて,トルコ語-シリア語のアラビア語翻訳に関する実証的研究を行った。
評価は5000の対話文で行われ、安定化は、テレビ対話とMADAR-トルコのリソースから引き出された5000のトルコ語とシリア語の文対で訓練される。
従来の性能指標を最適化する代わりに、方言マーカー周波数、標準アラビア語への語彙的近接、構造的分散を用いて、構造化された行動変位を定量化する。
軽量安定化は方言マーカーの使用をほぼ2倍にし、0.2266から0.4988へと増加し、構造的不安定性を著しく減少させる。
Pivot mediationは正規化圧力と測定可能な圧縮効果を導入し、ゼロショット変換は決定のばらつきが最も高い。
エージェント間の翻訳のばらつきは多言語モデルにおける遅延決定の柔軟性を明らかにし、低リソース方言生成のための原則的解釈可能性フレームワークを提供する。
関連論文リスト
- Mitigating Translationese Bias in Multilingual LLM-as-a-Judge via Disentangled Information Bottleneck [37.780081880731096]
大規模言語モデル(LLM)は多言語評価の標準となっているが、厳密な体系的翻訳バイアスを示す。
このバイアスは (i) 英語との潜在多様体アライメントと (ii) 言語間予測可能性との急激な相関に起因している。
このバイアスを軽減するために、我々は、最小限に十分な判断クリティカルな表現を学習する堅牢な微調整フレームワークであるDIBJudgeを提案する。
論文 参考訳（メタデータ） (2026-03-11T02:55:29Z) - Investigating Multi-Pivot Ensembling with Massively Multilingual Machine Translation Models [47.91306228406407]
複数の言語をピボットする方法を再検討する。
我々は、最も確実な予測に向けて出力をバイアスする新しい組み合わせ戦略であるMaxEnsを提案する。
平均的なマルチピボット戦略は、英語を単一のピボット言語として使うのに遅れを取っている。
論文 参考訳（メタデータ） (2023-11-13T16:15:20Z) - Is Robustness Transferable across Languages in Multilingual Neural
Machine Translation? [45.04661608619081]
多言語ニューラルマシン翻訳における言語間のロバストネスの伝達性について検討する。
以上の結果から,一方の翻訳方向における頑健性は他の翻訳方向への変換が可能であることが示唆された。
論文 参考訳（メタデータ） (2023-10-31T04:10:31Z) - DEEP: DEnoising Entity Pre-training for Neural Machine Translation [123.6686940355937]
機械翻訳モデルは通常、トレーニングコーパスで稀な名前付きエンティティの翻訳を貧弱に生成することが示されている。
文中の名前付きエンティティ翻訳精度を向上させるために,大量のモノリンガルデータと知識ベースを利用するDenoising Entity Pre-training法であるDEEPを提案する。
論文 参考訳（メタデータ） (2021-11-14T17:28:09Z) - Rethinking Zero-shot Neural Machine Translation: From a Perspective of
Latent Variables [28.101782382170306]
従来の訓練対象にピボット言語に基づく自動エンコーダ目標を導入し,ゼロショット方向の翻訳精度を向上させる。
提案手法は, 突発的相関を効果的に排除し, 顕著な性能で最先端の手法を著しく上回ることを示す。
論文 参考訳（メタデータ） (2021-09-10T07:18:53Z) - Uncertainty-Aware Balancing for Multilingual and Multi-Domain Neural
Machine Translation Training [58.72619374790418]
MultiUATはモデルの不確実性に基づいてトレーニングデータの使用量を動的に調整する。
クロスドメイン転送を解析し、静的および類似性に基づく手法の欠如を示す。
論文 参考訳（メタデータ） (2021-09-06T08:30:33Z) - Modelling Latent Translations for Cross-Lingual Transfer [47.61502999819699]
従来のパイプラインの2つのステップ(翻訳と分類)を1つのモデルに統合する新しい手法を提案する。
我々は,多言語NLUタスクにおける新しい潜時翻訳モデルの評価を行った。
ゼロショットと数ショットの学習設定の両方で、平均2.7の精度ポイントのゲインを報告します。
論文 参考訳（メタデータ） (2021-07-23T17:11:27Z) - Improving Zero-Shot Translation by Disentangling Positional Information [24.02434897109097]
言語固有の表現を引き起こす主な要因は、入力トークンに対する位置対応であることを示す。
指示方向の品質を維持しながら、ゼロショット翻訳で最大18.5 BLEUポイントを得る。
論文 参考訳（メタデータ） (2020-12-30T12:20:41Z) - Improving Massively Multilingual Neural Machine Translation and
Zero-Shot Translation [81.7786241489002]
ニューラルネットワーク翻訳(NMT)の多言語モデルは理論的には魅力的であるが、しばしばバイリンガルモデルに劣る。
我々は,多言語NMTが言語ペアをサポートするためにより強力なモデリング能力を必要とすることを論じる。
未知のトレーニング言語ペアの翻訳を強制するために,ランダムなオンライン翻訳を提案する。
論文 参考訳（メタデータ） (2020-04-24T17:21:32Z) - Translation Artifacts in Cross-lingual Transfer Learning [51.66536640084888]
機械翻訳は、既存の言語間モデルに顕著な影響を与える微妙なアーティファクトを導入することができることを示す。
自然言語の推論では、前提と仮説を独立に翻訳することで、それらの間の語彙的重複を減らすことができる。
また、XNLIでは、それぞれ4.3点と2.8点の翻訳とゼロショットのアプローチを改善している。
論文 参考訳（メタデータ） (2020-04-09T17:54:30Z)
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。