Traducción Evolutiva / Basada en Búsqueda

La idea: Generar múltiples traducciones candidatas, puntuarlas contra una función de aptitud (chrF++, aceptación FST, consistencia de traducción inversa), mutar los mejores desempeños, y repetir. Selección natural para traducciones — los más aptos sobreviven.

:::info Este es un libro de recetas, no una implementación terminada Este es el enfoque más experimental de la serie de libros de recetas. No ha sido probado para MT a escala, pero la arquitectura es sólida y el arnés puntuará con gusto lo que produzca. :::

Cuándo Usar Esto

• Tiene una buena función de puntuación pero ningún modelo individual produce resultados consistentes
• Desea explorar el espacio de soluciones de manera más amplia que una única generación codiciosa
• Tiene presupuesto computacional para muchas generaciones paralelas (docenas de candidatos por entrada)
• Le interesa la investigación novedosa — este enfoque está poco explorado para MT de bajo recurso

Cómo Funciona

[Generation 0]    Generate N candidates (different models, temperatures, prompts)
       │
       ▼
[Score]           Evaluate each candidate: chrF++, FST acceptance, fluency
       │
       ▼
[Select]          Keep top K performers
       │
       ▼
[Mutate]          Prompt an LLM: "improve this translation, fix these issues"
       │
       ▼
[Generation 1]    Score again. Repeat for G generations.
       │
       ▼
[Output]          Best-scoring candidate from final generation

Esqueleto

async def evolutionary_translate(source, reference=None, generations=3, pop_size=8):
    # Generation 0: diverse candidates
    population = []
    for model in ["gemini-2.5-pro", "gpt-4o", "claude-sonnet-4-6"]:
        for temp in [0.3, 0.7, 1.0]:
            candidate = await translate(source, model=model, temperature=temp)
            population.append(candidate)
    
    for gen in range(generations):
        # Score each candidate
        scored = [(c, score(c, reference)) for c in population]
        scored.sort(key=lambda x: x[1], reverse=True)
        
        # Select top K
        survivors = [c for c, s in scored[:pop_size // 2]]
        
        # Mutate: ask LLM to improve each survivor
        mutants = []
        for survivor in survivors:
            mutant = await improve(source, survivor, feedback=scored[0])
            mutants.append(mutant)
        
        population = survivors + mutants
    
    return max(population, key=lambda c: score(c, reference))

Diseño de la Función de Aptitud

La función de aptitud lo es todo. Opciones:

Métrica	Qué Mide	¿Automatizada?
chrF++ contra referencia	Similitud a nivel de caracteres con el estándar de oro	✅ Sí
Tasa de aceptación FST	Validez morfológica	✅ Sí (si FST está disponible)
Consistencia de traducción inversa	¿Se recupera la fuente al traducir de vuelta?	✅ Sí
LLM como juez	Otro LLM califica fluidez/precisión	✅ Sí (pero ruidoso)
Presencia de términos de diccionario	¿Aparecen correctamente los términos conocidos?	✅ Sí

:::tip Combine múltiples señales Una combinación ponderada de métricas crea una función de aptitud más robusta que cualquier métrica individual. Esto refleja la propia puntuación compuesta del arnés. :::

Ventajas y Desventajas

✅ Explora soluciones diversas	❌ Computacionalmente costoso (N × G llamadas API)
✅ Puede descubrir enfoques que ningún modelo individual encuentra	❌ Requiere una buena función de aptitud
✅ Paralelizable	❌ Lento — múltiples generaciones por traducción
✅ Agnóstico del modelo	❌ Rendimientos decrecientes después de pocas generaciones

Se Combina Bien Con

• Modelos Encadenados — el paso de mutación es una forma de encadenamiento
• Tubería Controlada por FST — aceptación FST como señal de aptitud
• LLM Aumentado con Diccionario — presencia de diccionario como señal de aptitud

Véase También

• Especificación de Tarjeta de Ejecución — el costo y la latencia se registran por entrada
• Arnés de Evaluación — el arnés puntúa su salida final, no su proceso
• Soporte para Idiomas de Bajo Recurso