Pun Intended: Multi-Agent Translation of Wordplay with Contrastive Learning and Phonetic-Semantic Embeddings
本文提出了一种多智能体框架和一种引导式推理流水线，通过利用音义嵌入（phonetic-semantic embeddings）和迭代评估，成功将英文双关语翻译为法文，并通过优先考虑幽默感和语言创造力而非传统的语义指标，在 CLEF JOKER 2025 竞赛中取得了顶尖排名。
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，你正试图将一个笑话从一种语言翻译成另一种语言，但这个笑话完全依赖于一个同时具有两种含义的双关词。在英语中，你可能会说：“I'm on a seafood diet; I see food and I eat it（我正在进行海鲜饮食；我看到食物，然后我就吃掉它）。”幽默之处在于“seafood”听起来像“see food”。如果你将这句话字面翻译成法语，这个笑话就消失了，因为这两个词在法语中听起来不再相似。这是计算机面临的终极难题：如何在翻译双关语的同时不丢失笑点？这个问题处于机器翻译（教计算机如何说话）与计算幽默学（教计算机如何变得幽默）的交汇点。几十年来，计算机在翻译事实方面表现出色，但在翻译笑话方面却表现糟糕，因为它们被训练得追求精确，而笑话却在混乱和双关义中蓬勃发展。如果计算机对笑话进行字面翻译，它往往会变成一个枯燥的句子。研究人员一直在问的一个大问题是：我们能否教会计算机停止翻译单词，转而开始翻译笑话的“感觉”，即使这意味着它必须发明一个新的笑话来做到这一点？
这篇题为《意在双关》（Pun Intended）的论文通过测试三种不同的方法，深入探讨了这一挑战，这些方法旨在教大型语言模型（超智能AI聊天机器人）如何将英语双关语翻译成法语。来自佐治亚理工学院的研究团队发现，翻译双关语的最佳方式不是寻找完美的词典匹配，而是像一位富有创造力的喜剧演员一样，为了适应新语言而彻底重写笑话。他们发现，虽然标准的计算机指标（通常计算原句与译文之间有多少单词匹配）认为他们的最佳方法在失败，但人类评委却非常喜欢这些结果。
该团队测试了三种策略，首先是一种简单的“尝试并检查”法。想象一个学生写了一个笑话，然后问一位严厉的老师：“这好笑吗？”如果老师说不好笑，学生就会再试一次。这就是他们的“基准”方法：AI生成一个法语句子，然后第二个AI充当评委，观察它是否真的是一个双关语。如果不是，生成器就会再次尝试。这种方法效果尚可，但有点像在黑暗中射箭。
他们的第二种策略更像是一个带着特殊地图的侦探。他们为AI提供了一个“引导式推理”流程。首先，AI必须识别出英语笑话中的那个刁钻词汇，并弄清楚它的两个隐藏含义。然后，AI并没有直接翻译这些含义，而是使用了一个名为“音义嵌入”（phonetic-semantic embeddings）的特殊工具。你可以把它想象成一本神奇的字典，它不仅寻找意思相同的词，还寻找读音相似的词。AI搜索既符合笑话一部分的意思、读音又与另一部分相似的法语单词。这就像是在寻找一个意思代表“苹果”但读音听起来像“汽车”的法语单词。一旦找到了这些候选词，AI就会利用它们来构建最终的笑话。这种方法很聪明，效果也不错，在比赛中排名第二。
第三种也是最成功的策略是“多智能体”系统，这就像是一个专家圆桌会议。他们没有采用一个AI写笑话、另一个AI做评判的方式，而是建立了一个专门的AI智能体团队。一个智能体检查含义是否正确，另一个检查情感是否幽默，第三个检查听起来是否自然，第四个检查是否感觉地道。它们会对翻译进行评论、给出反馈，系统会根据这些建议重写笑话。他们反复进行这个过程，像作家修改草稿一样精炼笑话，直到这组智能体都满意为止。这种方法在 CLEF JOKER 2025 竞赛中排名第一，击败了其他 50 个系统。
这篇论文最令人惊讶的发现是，“最好”的翻译在传统计算机指标看来其实表现最差。像 BLEU 和 BERTScore 这样通常衡量两句话单词层面相似度的标准工具，给获胜的多智能体系统打了很低的分数。这是因为获胜系统经常完全抛弃原始的英语单词，转而创造一个全新的法语笑话以保留幽默感。论文指出，这些传统的指标从根本上误解了什么是好的双关语翻译；它们奖励复制单词，但优秀的双关语翻译往往需要放弃原有的单词来拯救笑话。
尽管自动化工具给出的分数较低，但人类评委——他们更擅长理解幽默——在检查过的案例中，将多智能体系统的翻译判定为成功的比例高达 88%。论文表明，翻译双关语的关键不在于成为一本完美的字典，而在于成为一个能够理解目标是重现“惊喜”和“笑声”，而非保留精确词汇的创意伙伴。通过让AI探索不同的创意路径，并由一个智能体团队来精炼结果，研究人员展示了计算机确实可以学会成为幽默的翻译者，前提是我们不要再要求它们成为字面意义上的翻译者。
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。