(Perhaps) Beyond Human Translation: Harnessing Multi-Agent Collaboration for Translating Ultra-Long Literary Texts

机器翻译的最新进展已经显著提高了各个领域的翻译质量。然而，文学作品的翻译由于其复杂的语言、比喻表达和文化细节，仍然是一个巨大的挑战。在本文中，我们引入了一种基于大型语言模型（LLMs）的新型多智能体框架，用于文学翻译，实现为名为TransAgents的公司。该公司通过利用多个智能体的集体能力，模仿传统的翻译出版流程，以应对翻译文学作品的复杂需求。为了评估我们系统的有效性，我们提出了两种创新的评估策略：单语言人类偏好（MHP）和双语LLM偏好（BLP）。MHP从目标语言的单语读者的角度评估翻译，而BLP使用先进的LLMs直接将翻译与原始文本进行比较。实证结果表明，尽管d-BLEU得分较低，来自TransAgents的翻译在需要领域特定知识的流派中，被人类评估者和LLMs优先选择，而不是人工编写的参考文献。我们还通过案例研究突出了TransAgents的优点和局限性，并提出了未来研究的方向。

如何通过多智能体框架和大型语言模型来解决文学翻译中的困难？

使用TransAgents公司的多智能体框架，利用大型语言模型协同翻译文学作品，提高翻译质量。同时提出了两种新的评估策略，分别从单语读者和双语语言模型的角度评估翻译质量。

实验结果表明，TransAgents的翻译质量在某些领域优于人工翻译，尤其是需要领域特定知识的文学作品。论文还提供了案例研究，并探讨了TransAgents的优点和局限性。

最近的相关研究包括使用神经机器翻译模型进行文学翻译的研究，以及使用多智能体框架进行机器翻译的研究。