人气排行榜
TranslationAgent引领智能翻译新方向-大模型知识库|大模型训练|开箱即用的企业大模型应用平台|智能体开发
53AI知识库
学习大模型的前沿技术与行业应用场景
今年 4 月，我们曾报道了吴恩达 (Andrew Ng) 提出的 Agentic Design Patterns：，其中“反思 (Reflection)”模式备受瞩目。该模式通过让 AI 模型自动评估自身输出并进行改进，从而显著提升模型性能。如今，吴恩达团队将这一理念付诸实践，并将其应用于智能翻译领域，推出了基于反思工作流的开源翻译系统——Translation Agent。
机器翻译，这项曾经看似遥不可及的技术，如今已经深入到我们生活的方方面面。从网页浏览到跨语言交流，机器翻译正在悄然改变着我们的世界。然而，传统的机器翻译技术，往往难以处理需要高度定制化和细粒度控制的翻译任务，例如调整输出风格、处理专业术语以及适应不同地区的语言变体等。
近年来，随着人工智能技术的飞速发展，智能翻译应运而生。与传统的基于规则或统计的机器翻译方法不同，智能翻译借助深度学习和大数据的力量，赋予了机器更强大的语言理解和生成能力。
2023 年 11 月，人工智能领域泰斗级人物吴恩达（Andrew Ng）宣布开源其团队研发的智能翻译系统——Translation Agent，再次将智能翻译技术推向了新的高度。Translation Agent 不仅仅是翻译，更像是一个专业的翻译助手，它能够理解你的翻译需求，并不断优化翻译结果，直到你满意为止。
Translation Agent 是一个基于 Python 的开源项目，它采用了一种新颖的“反思工作流”，旨在解决传统机器翻译系统在定制化和细粒度控制方面的不足。
Translation Agent 的核心在于其独特的“反思工作流”，该工作流模拟了人类翻译专家的思考过程，将翻译任务分解为三个主要步骤：
1. 初始翻译： Translation Agent 首先利用 LLM 对输入文本进行初步翻译，得到一个初步的译文。
2. 反思与改进： 与传统机器翻译系统直接输出译文不同，Translation Agent 会引导 LLM 对自身的翻译结果进行反思，并提出改进建议。例如，LLM 可能会指出译文中存在的不准确、不流畅或不符合目标语言习惯表达的地方，就像一个经验丰富的校对员一样，帮助 LLM 找出翻译中的不足之处。
3. 优化输出： 最后，Translation Agent 根据 LLM 提出的改进建议，对初始译文进行优化，最终生成一个更加精准、流畅且符合目标语言习惯的译文。
Translation Agent 的一大优势在于其高度可定制化的翻译引擎。通过在翻译过程中对 LLM 进行引导，用户可以轻松地控制翻译的各个方面，例如：
• 调整输出风格： 用户可以指定翻译的正式程度，例如是偏向于正式的商务文体，还是更加口语化的日常用语，就像告诉翻译助手你的目标读者是谁一样。
• 处理习语和专业术语： 用户可以在翻译之前提供一个术语表，确保特定的专业术语能够被准确地翻译成目标语言，就像为翻译助手准备了一本专业词典。
• 指定特定地区或方言的语言使用： Translation Agent 可以根据用户的需求，选择使用特定地区或方言的语言变体进行翻译，例如拉丁美洲西班牙语、西班牙西班牙语、加拿大法语或法国法语等，就像告诉翻译助手你的目标受众来自哪里一样。
Translation Agent 的核心代码位于 src/translation_agent/utils.py 文件中。该文件包含了 Translation Agent 的主要功能函数，例如调用 OpenAI API、文本分块、翻译、反思、改进等。
• get_completion 函数：调用 OpenAI API 获取 LLM 生成结果该函数负责调用 OpenAI API，将用户输入的文本和提示词发送给 LLM，并接收 LLM 生成的结果，就像是一个信使，负责在用户和 LLM 之间传递信息。
• one_chunk_translate_text 函数：单段落文本的完整翻译流程该函数用于处理单段落文本的翻译任务，它包含以下三个步骤：
• one_chunk_initial_translation 函数：单段落文本的初始翻译该函数负责对单段落文本进行初始翻译，它会将源语言文本和预先设计的提示词发送给 LLM，让 LLM 生成初步的译文。
• one_chunk_reflect_on_translation 函数：对翻译结果进行反思该函数会将源语言文本、初始译文和反思提示词发送给 LLM，让 LLM 对初始译文进行评估，并提出改进建议。
• one_chunk_improve_translation 函数：根据反思结果改进翻译该函数会将源语言文本、初始译文、反思结果和改进提示词发送给 LLM，让 LLM 根据反思结果对初始译文进行修改，生成最终译文。
• num_tokens_in_string 函数：计算文本的 token 数量该函数用于计算文本的 token 数量，token 是 LLM 处理文本的基本单位，就像英语中的单词一样。
• multichunk_translation 函数：多段落文本的完整翻译流程该函数用于处理多段落文本的翻译任务，它同样包含初始翻译、反思和改进三个步骤：
• multichunk_initial_translation 函数：多段落文本的初始翻译
• multichunk_reflect_on_translation 函数：对多段落翻译结果进行反思
• multichunk_improve_translation 函数：根据反思结果改进多段落翻译
• calculate_chunk_size 函数：计算文本分块大小该函数用于计算文本分块的大小，以便将长文本分成多个段落进行处理。
• translate 函数：Translation Agent 的主函数该函数是 Translation Agent 的主函数，它负责接收用户输入的文本、源语言、目标语言和地区信息，并调用其他函数完成翻译任务。 translate 函数首先会计算输入文本的 token 数量，如果 token 数量小于预设的最大值 MAX_TOKENS_PER_CHUNK，则调用 one_chunk_translate_text 函数对文本进行单段落翻译；否则，调用 multichunk_translation 函数对文本进行多段落翻译。
def translate( source_lang, target_lang, source_text, country, max_tokens=MAX_TOKENS_PER_CHUNK,): """Translate the source_text from source_lang to target_lang.""" num_tokens_in_text = num_tokens_in_string(source_text) ic(num_tokens_in_text) if num_tokens_in_text < max_tokens: ic("Translating text as single chunk") final_translation = one_chunk_translate_text( source_lang, target_lang, source_text, country ) return final_translation else: ic("Translating text as multiple chunks") token_size = calculate_chunk_size( token_count=num_tokens_in_text, token_limit=max_tokens ) ic(token_size) text_splitter = RecursiveCharacterTextSplitter.from_tiktoken_encoder( model_name="gpt-4", chunk_size=token_size, chunk_overlap=0, ) source_text_chunks = text_splitter.split_text(source_text) translation_2_chunks = multichunk_translation( source_lang, target_lang, source_text_chunks, country ) return "".join(translation_2_chunks)
translate 函数的逻辑非常清晰，它就像是一个总指挥，根据输入文本的长度，决定采用单段落翻译还是多段落翻译，并将任务 delegate 给相应的函数去执行。
提示词在 Translation Agent 中扮演着至关重要的角色，它决定了 LLM 如何理解和执行翻译任务。Translation Agent 使用了精心设计的提示词来引导 LLM 完成各个阶段的任务。
提示词是指导 LLM 行为的关键因素，它为 LLM 提供了上下文信息、任务目标和输出规范。优秀的提示词能够引导 LLM 生成更准确、更符合预期的结果，而糟糕的提示词则可能导致 LLM 生成不准确、不相关甚至有害的内容。
• 该提示词首先明确了翻译的方向，即从源语言 {source_lang} 到目标语言 {target_lang}。
• 然后，它要求 LLM 只提供翻译结果，不要包含任何解释或其他无关信息，例如不要在翻译结果中添加注释或说明，以确保输出的简洁性。
• 最后，它将源语言文本放在 {source_text} 占位符的位置，并将目标语言的占位符空出来，等待 LLM 填写翻译结果，这样可以确保 LLM 生成的内容格式正确，易于后续处理。
• 该提示词首先向 LLM 明确了任务目标，即对翻译结果进行反思，并提供改进建议。这部分提示词以清晰的指令引导 LLM 进入“反思”模式。
• 接下来，它列出了 LLM 在反思时需要关注的四个方面，即准确性 (accuracy)、流畅度 (fluency)、风格 (style) 和术语 (terminology)。这四个方面也是评价翻译质量的重要标准，提示词中对每个方面的详细说明能够引导 LLM 进行更全面的评估。
• 最后，它要求 LLM 以列表的形式输出具体的改进建议，每个建议只针对翻译中的一个具体问题，并且不要输出任何其他内容，以确保输出格式的规范性。
• 该提示词首先向 LLM 明确了任务目标，即根据专家建议对初始译文进行改进。
• 最后，它要求 LLM 在改进译文时，要考虑专家建议，并确保译文的准确性、流畅度、风格和术语的准确性。
Your task is provide a professional translation from {source_lang} to {target_lang} of PART of a text.The source text is below, delimited by XML tags
multichunk_reflect_on_translation 函数：对多段落翻译结果进行反思 提示词
Your task is to carefully read a source text and part of a translation of that text from {source_lang} to {target_lang}, and then give constructive criticism and helpful suggestions for improving the translation.{country_specific}The source text is below, delimited by XML tags
multichunk_improve_translation 函数：根据反思结果改进多段落翻译 提示词
Your task is to carefully read, then improve, a translation from {source_lang} to {target_lang}, taking intoaccount a set of expert suggestions and constructive critisms. Below, the source text, initial translation, and expert suggestions are provided.The source text is below, delimited by XML tags
提示词的设计理念与技巧
Translation Agent 的提示词设计遵循以下理念：
• 清晰明确的任务目标： 提示词需要清晰地描述 LLM 需要完成的任务，例如翻译、反思或改进。清晰的任务描述可以帮助 LLM 更好地理解用户的意图，从而生成更准确的结果。
• 具体的指导和规范： 为了确保 LLM 能够按照预期目标进行工作，提示词需要提供具体的指导和规范，例如需要关注哪些方面、输出格式是什么等。清晰的指导和规范可以减少 LLM 的自由发挥空间，使其生成的文本更加符合预期。
• 高度可定制化： 用户可以通过修改提示词来控制翻译的各个方面，例如输出风格、专业术语和语言变体等，从而满足个性化的翻译需求。
• 基于反思工作流： 模拟了人类翻译专家的思考过程，能够生成更加精准、流畅的译文。反思工作流可以有效降低翻译错误，提高翻译质量。
• 开源项目： 任何人都可以免费使用、修改和分发 Translation Agent，这将促进智能翻译技术的交流和发展。
• 翻译质量仍有提升空间： 与商业翻译引擎相比，Translation Agent 的翻译质量还有待提高。这主要是由于 LLM 本身的局限性，例如对某些语言对的支持不足、对专业领域的理解不够深入等。
• 依赖于 LLM： Translation Agent 的性能取决于所使用的 LLM，而 LLM 的性能会受到训练数据和模型大小的影响。因此，选择合适的 LLM 对于 Translation Agent 的性能至关重要。
• 需要一定的技术门槛： 用户需要具备一定的编程知识才能使用 Translation Agent，这限制了其在普通用户中的普及。
• 更加精准、流畅的翻译质量： 随着 LLM 技术的不断发展，智能翻译的质量将会越来越高。未来的 LLM 将会拥有更强大的语言理解和生成能力，能够处理更复杂
• 更加个性化的翻译服务： 未来的智能翻译系统将能够根据用户的需求，提供更加个性化的翻译服务。例如，用户可以根据自己的专业领域、语言水平和文化背景等，定制化自己的翻译引擎。
• 更加广泛的应用场景： 智能翻译将会应用到更多的领域，例如跨境电商、国际会议、文化交流等。随着智能翻译技术的成熟，它将会打破语言障碍，促进不同国家和地区之间的交流与合作。
Translation Agent 的出现，为智能翻译领域带来了新的活力。其独特的反思工作流和高度可定制化的特点，使其在处理复杂翻译任务时更具优势。相信随着 LLM 技术的不断发展和开源社区的共同努力，Translation Agent 将会在未来取得更大的突破，引领智能翻译技术走向更加美好的未来。
53AI，大模型落地应用首选服务商
定位：开箱即用的大模型落地应用平台
承诺：先做场景POC验证，看到效果再签署服务协议。零风险落地应用大模型，已交付160+中大型企业
微软技术社区：做RAG？向量搜索还不够
全球首个开源AIGC数字人模型免费使用，手机端可跑！
如何让AI基于超长文档进行问答？
翻车了？这才是真正的SD3！
Omost！让AI大模型代写AI绘画提示词
《构建和评估高级RAG》: RAG评估要素和方法
【AI大模型应用开发】AI+知识图谱极简入门：手把手带你体验LangChain实现知识图谱创建和查询（附代码和源码分析）
广州：广州市华景路37号(华景软件园)暨南大学科技大厦6楼（整层） 杨小姐 186 6662 7370
上海：上海市浦东新区金新路58号1602室 戴先生 186 1639 7587
广州：广州市华景路37号(华景软件园)暨南大学科技大厦6楼（整层） 杨小姐 186 6662 7370
上海：上海市浦东新区金新路58号1602室 戴先生 186 1639 7587
与创始人交个朋友
-->广州：广州市华景路37号(华景软件园)暨南大学科技大厦6楼（整层） 杨小姐 186 6662 7370上海：上海市浦东新区金新路58号1602室 戴先生 186 1639 7587
-->自动秒收录 | 电影导航 | 网络推广 | ChatGPT中文版 | AI绘画 | AI文生图 | 网站地图 | 网站目录