MITRA-Swarm以显式语言结构拆解梵文翻译难题

摘要：MITRA-Swarm把古典梵文翻译拆分为Sandhi切分、通用与领域模型并行翻译、语篇级省略补全三个阶段，并通过注册标签约束法律与哲学文本中的主语恢复。在覆盖五种文体、1,000个诗节的评测中，完整系统取得85.90 MQM，较单体基线提高0.63分；严重失败率由9.0%降至7.6%。但增益已接近指标饱和区，推理成本约为基线9倍。论文还发现同族评审模型存在2—7分偏袒，因此采用独立GPT-4o-mini进行最终评分。

---

架构把语言学难点变成独立处理阶段

MITRA-Swarm针对古典梵文翻译中的三类结构性问题设计多智能体流水线，而不是依赖一次提示完成全部推理：

1. Sandhi切分代理先处理音系融合，还原词界与复合结构；
2. 并行翻译层同时调用通用模型 gemma-4-26B-A4B-it 与领域模型 gemma-2-mitra-it，覆盖通用表达及法律、哲学等语域；
3. Ellipsis Restorer根据语料派生的注册标签恢复语篇层面的零形回指，避免在非人称法律和哲学文体中凭空生成主动态主语。

这一设计的关键不是简单增加智能体数量，而是把可验证的语言学操作从通用自回归生成中拆出。Sandhi切分结果能够单独检查，语域标签也能约束指代恢复，从而降低模型在长程翻译中混合多个隐式任务的难度。

并行翻译降低延迟，但不能消除模型成本

通用模型与领域模型的并行调用意味着翻译层不必串行等待两类模型完成，端到端延迟更接近二者中的较慢分支，而非两者之和。不过，系统的计算和显存成本仍然增加：即使采用并行执行，每个诗节仍需执行切分、多个翻译器、恢复和评审流程。

论文报告完整系统的每诗节推理成本约为单体基线的 9倍。因此，这套架构更适合高质量出版、学术翻译或低吞吐批处理，而不是直接部署到实时字幕和大众翻译服务。工程上更合理的路径是先用规则或小型分类器完成Sandhi切分，仅在低置信度时调用大模型，并只在检测到零形回指时启用恢复模块。

评审模型也会偏爱自己的模型家族

MITRA-Swarm采用两级评审设计：J_route与生成器属于同一模型家族，负责内部路由与批评循环；J_report使用无共同厂商谱系的 gpt-4o-mini，对每个输出只评分一次。

这一拆分具有必要性。实验中，J_route在全部12种消融条件下都给同族输出高 2—7个MQM分，显示“模型评模型”即使使用相同量表，也可能存在稳定的家族偏好。若只使用同族评审器，系统得到的改善可能部分来自评审偏差，而非翻译质量本身。独立报告评审器因此应作为最终指标来源，而不是把内部评审分数直接等同于真实质量。

不过，跨厂商评审仍不等于无偏评估。GPT-4o-mini自身的提示敏感性、翻译偏好和对文学结构的理解偏差并未完全量化。未来评测可进一步加入人工专家盲评，以及多个不同厂商的评审器，以估计评审方差和排名稳定性。

1,000个诗节上的结果与消融证据

基准包含五种文体的1,000个诗节，共产生23,990次评分，并覆盖12种预注册消融条件。完整系统的MQM为 85.90，单体基线为 85.27，差值为 +0.63；调整后 p=0.0018，95%置信区间为 [+0.30, +0.97]。

单独启用语篇级省略恢复即可获得 +0.44 MQM，表明论文最核心的收益来自对零形回指和语域约束的处理，而非更多智能体本身。系统还比调用次数匹配的自我改进基线高 0.51 MQM，说明收益并非单纯来自扩大推理预算。

严重错误，即MQM低于80的诗节，占比从 9.0%降至7.6%。这一相对变化值得关注，但它不能掩盖绝对增益有限：MQM已接近85—86的饱和区，0.63分可能不足以在所有真实翻译场景中形成显著体验差异。统计显著性解决了“差异是否可能由抽样造成”，但不能消除“差异是否具有足够实际意义”这一工程问题。

检索泄漏检查增强结果可信度

系统使用包含192,151条记录的检索索引，并在全部12种评测作品上执行269次运行时预检，检查参考译文是否意外进入检索上下文。结果未发现泄漏，这是比通常摘要更完整的污染防护。

预注册消融、调用次数匹配基线、独立报告评审器以及检索泄漏筛查共同提升了实验可信度。不过，摘要尚未给出数据划分细节、人工校准样本量、置信区间跨文体的稳定性，以及模型权重与完整实现是否公开，因此独立复现仍是关键。

开发者落地建议

对于多智能体翻译系统，可以从以下路径开始：

• 显式中间表示优先：把Sandhi切分、实体或指代恢复保存为可审计结构，而不是仅传递自然语言思考文本；
• 按需触发昂贵模块：仅对低置信度切分、复杂复合词和零形回指启用专用模型；
• 分离内部评审与最终评分：内部评审负责修订，跨厂商或人工评审负责报告指标；
• 建立人工校准集：用专业译者标注主语恢复、专名一致性和诗律保持，校准自动评审器的系统性偏差；
• 按业务约束选择成本档位：实时场景采用轻量切分加单体翻译，高价值出版场景再启用完整swarm。

MITRA-Swarm证明，针对高度结构化的低资源语言翻译，把语言学知识编码成可组合的智能体阶段，比单纯扩大上下文或增加自反思轮数更有效。但0.63分MQM增益与9倍成本意味着，它是一项精细化工程方案，而不是可以无条件替换单体模型的通用升级路径。

---

消息来源：ArXiv NLP/LLM (cs.CL) (2026-11-13)

—— 完 ——

主题标签： #多智能体翻译 关注 #梵文翻译 关注 #语言结构建模 关注 #Sandhi切分 关注 #语篇省略恢复 关注