SRAT：选择性检索增强机器翻译框架
先了解这件事
2026年10月15日，arXiv cs.CL 刊出预印本，提出 SRAT（Selective Retrieval-Augmented Translation）——一种智能体强化学习框架，让模型自主学习何时直接翻译、何时检索以及检索什么，并以最终翻译质量来优化这些决策。在习语、知识密集和文档级翻译任务上，研究者在离线与在线检索两种设置下开展实验，SRAT 持续优于“从不检索”和“始终检索”的基线。报道还称，联合使用 Plackett–Luce 优化与翻译质量对比训练，可在相似度检索效果不足时进一步提升检索器的训练效果。同日 13:01，AGI Hunt 跟进报道了这篇论文，复述了 SRAT 的基本思路，未给出新的实验数据或结论。目前该工作仍以预印本形式发布，暂无其他来源报道。
AI 根据报道生成 · 2 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
- AGI Hunt用强化学习教 LLM 按需检索：SRAT 框架优化机器翻译质量
arXiv 论文提出 SRAT（Selective Retrieval-Augmented Translation），一个用 agentic 强化学习实现选择性检索增强的机器翻译框架。
- arXiv cs.CLSRAT：面向选择性检索增强机器翻译的智能体强化学习框架
研究提出 SRAT（Selective Retrieval-Augmented Translation），一种智能体强化学习框架，让模型学习何时直接翻译或检索、检索什么，并以最终翻译质量优化这些决策。在习语、知识密集和文档级翻译的离线或在线检索实验中，SRAT 持续优于从不检索和始终检索的基线。联合 Plackett–Luce 优化与翻译质量对比训练，可在相似度检索不足时进一步提升检索器训练效果。
本事件热度走势
当前热度 19·可比范围峰值 19（10月15日 14:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。