MAS-Bai: Linguistically Informed Adaptive Multi-Agent Translation for Bowen-Script Bai

📄 arXiv: 2610.23205v1 📥 PDF

作者: Jingting Zheng, Hong Ren, Yuehan Cui, Shaolin Zhu, Deyi Xiong

分类: cs.CL

发布日期: 2026-10-16

备注: 14 pages, 3 figures, Findings of EMNLP 2026

💡 一句话要点

提出MAS-Bai框架以解决低资源语言翻译问题

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 低资源语言 多代理机制 语言学分析 翻译质量 Bowen脚本

📋 核心要点

  1. 现有的翻译方法在处理低资源语言时，尤其是书写系统与高资源语言模型不一致时，表现不佳，导致翻译质量低下。
  2. MAS-Bai框架通过结合轻量级检索和深入的语言学分析，采用多代理机制，旨在提高白语-汉语翻译的准确性和可靠性。
  3. 在构建的6536句白语-汉语语料库上，MAS-Bai在BLEU和COMET指标上分别达到了16.23和62.15，相较于标准RAG提升了8.11和6.85。

📝 摘要（中文）

大型语言模型在极低资源语言的翻译中表现不佳，尤其是在书写系统与高资源预训练模型存在冲突的情况下。本文研究了在Bowen脚本下的白语-汉语翻译，指出汉字的音义借用导致了严重的字面翻译幻觉。为此，提出了MAS-Bai，一个基于语言学的自适应多代理框架，能够有效处理这一翻译任务。MAS-Bai通过轻量级检索-翻译路径和深入的语言学路径进行输入路由，并利用循环一致性与轻量级反向翻译器作为推理时的可靠性信号。实验结果表明，MAS-Bai在BLEU和COMET指标上均有显著提升。

🔬 方法详解

问题定义：本文旨在解决Bowen脚本下白语与汉语之间的翻译问题。现有方法在处理汉字音义借用时，容易产生字面翻译幻觉，导致翻译质量低下。

核心思路：MAS-Bai框架通过自适应多代理机制，结合轻量级检索和深入的语言学分析，能够有效处理复杂的翻译任务，减少翻译中的错误。

技术框架：MAS-Bai的整体架构包括两个主要路径：轻量级检索-翻译路径和深入的语言学路径，后者包含词源和句法代理。此外，使用循环一致性和反向翻译器作为推理时的可靠性信号。

关键创新：MAS-Bai的主要创新在于其自适应多代理机制，能够根据输入的特性选择合适的翻译路径，与现有方法相比，显著提高了翻译的准确性和可靠性。

关键设计：在模型设计中，采用了Forward LoRA技术，并进行了专家消融实验和受控路由实验，以区分监督适应、白语特定知识和条件路由的作用。

🖼️ 关键图片

fig_0
fig_1

📊 实验亮点

MAS-Bai在6536句的白语-汉语语料库上表现出色，BLEU得分达到16.23，COMET得分为62.15，分别较标准RAG提升了8.11和6.85，显示出其在处理复杂翻译任务中的有效性。人类评估和反向验证分析进一步支持了自动评估结果。

🎯 应用场景

该研究的潜在应用领域包括低资源语言的翻译、跨文化交流以及多语言教育等。MAS-Bai框架的设计可以为其他低资源语言的翻译任务提供借鉴，推动相关领域的发展。未来，随着更多低资源语言的研究，MAS-Bai有望在全球语言翻译中发挥重要作用。

📄 摘要（原文）

Large Language Models (LLMs) remain unreliable for extremely low-resource languages whose writing systems conflict with high-resource pretraining priors. We study Bai-Chinese translation in the Bowen script, where Chinese characters are frequently borrowed phonetically rather than semantically, causing severe literal-translation hallucinations. We propose MAS-Bai, a linguistically informed adaptive multi-agent framework for Bowen-script Bai-Chinese translation. MAS-Bai routes each input through either a lightweight retrieval-translation path or a deeper philological path with etymological and syntactic agents, and uses cycle-consistency with a lightweight reverse translator as an inference-time reliability signal. We construct a 6,536-sentence Bai-Chinese corpus and evaluate on a 1,536-sentence test set. MAS-Bai achieves 16.23 BLEU and 62.15 COMET, improving over Standard RAG by 8.11 BLEU and 6.85 COMET. Forward LoRA, expert ablations and controlled routing experiments distinguish the roles of supervised adaptation, Bai-specific expertise and conditional routing. The largest gains occur on Bowen phonetic loans and divergent Bai word order, while human evaluation and reverse-verifier analyses support the automatic results.