LLM翻訳は文単位を超えられるか：RAG型PATの試み

導入

CATツールや機械翻訳の多くは、翻訳を文ごとの処理として設計してきた。これは編集や照合には便利だが、文章全体の構成、論理の運び、修辞、読者への配慮といった要素を捉えにくい。arXiv の論文「Can an Old Dog Be Taught New Tricks? Taking LLMs Beyond Sentence Level Translation」は、LLMをこの文単位の発想からどこまで離せるのかを検討している。

主要ポイント

• 狙いは単なる逐語的な改善ではない。 研究の対象は、米国英語の長文をラテンアメリカおよびメキシコのスペイン語文脈に合わせる、専門家確認用のドラフト翻訳である。
• PAT（Pragmatic Auto-Translator）を提案。 PAT は RAG ベースのシステムで、ユーザーが指定する翻訳仕様と、実在する長文からなる可比コーパスを組み合わせる。
• 検索される例は文を超える。 モデルには段落、セクション、文書レベルの例が渡され、目標言語における談話構成、修辞スタイル、語用論的な規範を反映させることを狙う。
• 評価にはカスタマイズされた MQM 類型を使用。 生成AIに関するエッセイの自動翻訳6件を、3つのプロジェクトにわたり、訓練を受けた2名の評価者が判定した。
• 結果は慎重に読むべきもの。 限定的なプロンプトでは意味のある再構成はほとんど起きなかった。一方、仕様やコーパス情報を加えると大幅な書き換えが生じることはあるが、それが常に有効とは限らなかった。

意義と影響

この研究の意義は、LLM翻訳を「文が正しいか」だけでなく、「目標言語の読者にとって自然な文章になっているか」という問題として扱った点にある。長文のローカライズでは、文単位の忠実さだけでは不十分な場合がある。段落の切り方、説明の密度、論証の順番、語調は、言語圏や読者層によって異なるためだ。

同時に、論文は過度な期待にもブレーキをかけている。モデルに自由な再構成を促せば品質が上がる、という単純な話ではない。翻訳仕様の設計、コーパスの作り方、検索される文脈の粒度、そして評価方法が結果を大きく左右する。PAT は専門翻訳者を置き換える仕組みというより、検証可能なドラフトを作る支援ツールとして位置づけられる。

総じて、この論文は今後のLLM翻訳システムに重要な方向性を示している。高品質な翻訳には、生成能力だけでなく、検索された実例、明示的な翻訳ブリーフ、文書全体を見渡す設計が必要になる。LLMを文単位の枠から押し出すことは可能だが、その再構成を安定して有効にする課題は残っている。

出典：arXiv