Loong: A Human-Like Long Document Translation Agent with Observe-and-Act Adaptive Context Selection
本文介绍了 Loong，这是一种面向长文档翻译的类人智能体，它采用三 E 记忆模块和基于强化学习的自适应上下文选择机制，以克服窗口限制和冗余问题，从而在多种语言和领域实现显著的质量提升与鲁棒性增强。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，你正试图将一部长达 500 页的巨著从中文翻译成英文。如果你试图将整本书一次性输入到标准的人工智能翻译器中，它会不堪重负。这就像试图从消防水龙带中喝水；当 AI 读到故事中段时，它已经忘记了开头，或者因信息过载而感到困惑，开始编造细节。
这正是论文LOONG所解决的问题。作者构建了一个“类人”AI 智能体，它通过更像专业人类译者而非简单机器的思考与行动方式，来翻译长篇文档。
以下是 LOONG 的工作原理，分解为几个简单的概念：
1. "3E"记忆库（译者的笔记本）
人类译者在处理书籍时，并非孤立地阅读并翻译单个句子。他们会在工作过程中在脑海中保留一个关于三件特定事项的笔记本。LOONG 通过"3E"记忆模块实现了同样的功能：
- 本质（Essence，摘要）： 对前一章节发生事件的简要总结。这有助于 AI 记住故事的“大局”和整体基调。
- 范例（Exemplars，风格指南）： 之前特定句子翻译方式的示例。如果第一章中某角色被称为“船长”，AI 会查阅其笔记本，确保在第十章不会不小心将其称为“少校”。
- 实体（Entities，角色名单）： 一份结构化的“谁是谁”清单。它追踪姓名、角色和关系（例如，“科伦是中尉”，“肖是船长”）。这防止 AI 搞混谁在跟谁说话。
2. “观察与行动”的侦探式工作
大多数 AI 智能体只是将所有笔记一股脑地倒入翻译过程中，这就像试图在一堆着火的干草堆里找一根针。这会产生“噪音”。
LOONG 则不同。它像一名侦探：
- 观察： 它审视当前需要翻译的句子，并查阅其"3E"笔记本。
- 行动： 它不使用笔记本中的所有内容，而是运用深度推理来提问：“我真的需要这个特定的摘要吗？这个角色名字此刻相关吗？”
- 过滤： 它主动丢弃无用信息（噪音），只保留有用的线索。
3. 在做中学（“尝试、失败、学习”循环）
AI 是如何学会如此擅长过滤的？研究人员并没有仅仅告诉它规则，而是让它进行练习。
- 他们让 AI 尝试不同的笔记选择策略（例如：“如果我使用摘要会怎样？如果我忽略角色名单会怎样？”）。
- 他们使用不同的策略多次翻译同一句话。
- 他们比较结果：“这种策略得分高；那种策略得分低。”
- 他们利用这些数据教导 AI 哪些“动作”能带来最佳翻译，通过一种称为强化学习的过程来优化其“大脑”。
4. “严格对齐”的安全网
翻译长篇文档时最大的头疼问题之一是，AI 可能会将 10 个句子翻译成一个巨大的块，或者完全跳过某个句子。这使得检查工作变得不可能。
LOONG 使用了一种称为强制对齐翻译的巧妙技巧。它迫使 AI 逐句翻译，并清晰地标记每一句（如#1、#2、#3）。如果 AI 试图合并两个句子或跳过一句，系统会检测到错误，将文本一分为二，并要求 AI 重试，直到输出与源文本完美匹配，实现一对一的对应。
结果：为何这很重要
该论文在海量文档上测试了 LOONG，其中包括对经典中国小说《西游记》的 50,000 多行翻译。
- 其他方法失败了： 标准方法要么在文本过长时放弃，要么因被过多的上下文搞糊涂而产出垃圾。
- LOONG 成功了： 它从第一页到最后一页都保持了高质量。它能够保持角色名称的一致性，维持故事的基调，并在处理复杂情节时不迷失方向。
简而言之，LOONG 是一个不仅仅“阅读”文档的 AI 翻译器；它记住故事，过滤干扰，并检查其工作，以确保最终翻译从头到尾连贯、准确且一致。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。