大規模言語モデルによる談話グラフ誘導の文書翻訳

大規模言語モデルを活用した文書翻訳は、長距離依存性の把握や、長文の談話の一貫性を保つことが難しいという課題があります。最近の機械翻訳システムは、マルチエージェントオーケストレーションや持続的メモリを通じて文脈の制約を軽減していますが、計算リソースが大きく、メモリの取得方法に敏感です。本研究では、Inter-chunk関係を構造化された談話グラフで明示的にモデル化し、各翻訳セグメントを関連するグラフの近隣に条件付けすることで、従来の逐次的または網羅的なコンテキストに依存しないTransGraphという談話誘導フレームワークを提案します。これにより、翻訳品質と用語の一貫性が大幅に向上し、トークンオーバーヘッドも抑えられることが実験的に確認されています。