Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

TACTIC: Translation Agents with Cognitive-Theoretic Interactive Collaboration

Created by
  • Haebom

저자

Weiya Li, Junjie Chen, Bei Li, Boyang Liu, Zichen Wen, Nuanqiao Shan, Xiaoqian Liu, Anping Liu, Huajie Liu, Hu Song, Linfeng Zhang

개요

본 논문은 대규모 언어 모델(LLM)을 활용한 기계 번역의 품질 향상을 위해 인지적 번역 연구의 통찰을 통합한 다중 에이전트 프레임워크인 TACTIC을 제안합니다. TACTIC은 초안 작성, 수정, 평가, 점수 매기기, 맥락 추론, 외부 지식 수집 등 인간 번역가의 인지 과정을 모방한 6개의 기능적으로 구분된 에이전트로 구성됩니다. 다양한 언어 쌍에 대한 실험 결과, TACTIC은 기존 최고 성능을 능가하며, DeepSeek-V3 기반 모델에서 GPT-4.1을 XCOMET 기준 +0.6, COMETKIWI-23 기준 +1.18 만큼, DeepSeek-R1에 비해서는 XCOMET 기준 +0.84, COMETKIWI-23 기준 +2.99 만큼 성능 향상을 보였습니다.

시사점, 한계점

시사점:
인지 과학적 원리를 기계 번역에 적용하여 기존 LLM 기반 기계 번역의 성능 한계를 극복하는 새로운 방향을 제시합니다.
다중 에이전트 시스템을 통해 LLM의 능력을 효과적으로 활용하여 고품질 번역을 달성할 수 있음을 보여줍니다.
다양한 언어 쌍에서 최첨단 성능을 달성하여 실제 응용 가능성을 높였습니다.
공개된 코드를 통해 재현성을 확보하고, 후속 연구를 위한 기반을 마련합니다.
한계점:
제안된 TACTIC 프레임워크의 일반화 성능에 대한 추가적인 검증이 필요합니다.
특정 LLM(DeepSeek-V3)에 의존적인 부분이 존재하여 다른 LLM으로의 확장성에 대한 연구가 필요합니다.
에이전트 간 상호 작용의 복잡성으로 인한 계산 비용 증가 문제가 존재할 수 있습니다.
인간 번역가의 인지 과정을 완벽히 반영하지 못할 가능성이 존재합니다.
👍