arXiv · cs.AI· Shijun Li, Yang Liu, Najmeh Sadoughi, Dongmei Wang, Xinjie Li, Zhu Liu, Rohith Mysore Vijaya Kumar, Yuzong Liu·· 5 小时前
SRAT：基于智能体强化学习的选择性检索增强机器翻译方法
Retrieve What Helps, Only When It Helps: Agentic Reinforcement Learning for Selective Retrieval-Augmented Machine Translation
arXiv:2610.19528v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Shijun Li, Yang Liu, Najmeh Sadoughi, Dongmei Wang, Xinjie Li, Zhu Liu, Rohith Mysore Vijaya Kumar, Yuzong Liu
研究任务与主要进展
研究提出SRAT智能体强化学习框架，学习何时直接翻译、何时检索以及如何整合外部证据，以优化最终翻译质量。作者在成语、知识密集型和文档级翻译任务中测试了离线与在线检索，结果显示SRAT持续优于从不检索和始终检索基线；当语义相似度检索不足时，质量对齐的检索器训练带来进一步提升。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org