按需检索：面向选择性检索增强机器翻译的智能体强化学习

论文提出 Selective Retrieval-Augmented Translation（SRAT），一个 agentic 强化学习框架，让模型自行决定何时直接翻译、何时检索、检索什么，以及如何整合证据，并以最终翻译质量为目标优化这些决策。作者同时提出 joint Plackett–Luce 优化与翻译质量对比训练来训练检索器，使检索对齐翻译质量而非语义相似度。在习语、知识密集型和文档级翻译任务上，SRAT 稳定优于从不检索和始终检索的基线。

此前的检索增强机器翻译对所有输入套用统一的预设检索策略，未区分哪些输入真正需要外部证据。SRAT 把检索从固定预处理改为可学习的翻译动作，并以最终翻译质量为优化目标，说明检索的“是否”和“内容”可以联合决策，而非默认全量触发。

论文将翻译视为部分证据场景：LLM 自身参数知识足以应对多数输入，外部证据只对子集有益，且通常起辅助而非直接给出译文的作用。因此框架用强化学习优化“直接翻译或检索、检索什么、如何整合”的联合决策，使检索器训练目标从语义相似度转向下游翻译质量，并借助 joint Plackett–Luce 优化与对比训练实现对齐。

对翻译类产品与研发而言，这意味着可减少不必要的检索调用，从而降低延迟与检索成本，同时保留对习语、术语和文档级上下文等困难样本的检索收益。工程上需要把检索器训练与翻译质量指标打通，而非仅优化召回相似度，评估也需按输入类型区分收益。

• 在翻译或本地化产品中引入按输入动态决定是否检索的开关，并对习语和术语类请求单独监控质量收益
• 将检索器训练目标从语义相似度改为翻译质量反馈，用线上译文评分或人工评估构建对比信号
• 针对文档级翻译场景做 A/B 测试，比较从不检索、始终检索与选择性检索在延迟和成本上的差异

• SRAT 在不同语言对和模型规模下的泛化表现尚未在证据中说明
• 选择性检索策略带来的实际延迟与成本节省幅度未给出量化数据
• 在线检索设置下的工程复杂度与部署要求未说明
• 翻译质量对比训练所需标注数据的规模和获取成本不明确