用强化学习教 LLM 按需检索：SRAT 框架优化机器翻译质量
_reachsumit · x · 2026-10-15
arXiv 论文提出 SRAT（Selective Retrieval-Augmented Translation），一个 agentic 强化学习框架，用于选择性检索增强机器翻译。
核心观点：翻译处于「部分证据」状态——LLM 参数知识足以应对多数输入，外部知识（习语解释、术语等）只对部分输入有益，且通常只起辅助作用。现有 RAG 机器翻译系统对所有输入统一套用固定检索策略，造成不必要的检索。
方法要点：
- 用 RL 学习三个决策：何时直接翻译、何时检索、如何整合检索结果，目标直接优化最终翻译质量
- 针对 retriever 训练：以翻译质量（而非语义相似度）为对齐目标，提出联合 Plackett–Luce 优化与翻译质量对比训练
- 在习语、知识密集型和文档级翻译（离线/在线检索）实验中验证有效
「研究」频道最新
- 腾讯 ARC 发布 Player-1：用合成游戏经验做 agent 后训练 — _akhaliq · 2026-10-15
- 自称花 2000 美元让 AI 攻克图论最长路径难题,未经验证 — Regular_Post9884 · 2026-10-15
- Kornia 团队开源 Rust 版 SLAM：支持单目/立体/IMU 建图 — edgarriba · 2026-10-15
- TRL AsyncGRPO 上线 Tree Packing,同等奖励省 26 倍训练算力 — SergioPaniego · 2026-10-15
- ProbabilityBench：用精确真值概率评测 16 个模型的不确定性校准 — ishidalab · 2026-10-15
- Vela：用样条连续轨迹表示改造 VLA 模型，跨本体泛化操作 — Yifan Li · 2026-10-15