Accéder au contenu principal

LLM Augmenté par Dictionnaire

L'idée : Imposer des traductions connues et vérifiées pour des termes spécifiques à partir d'un dictionnaire bilingue, et laisser le LLM gérer la structure des phrases et le vocabulaire inconnu. Le dictionnaire fournit des ancres de correction ; le LLM fournit la fluidité.

:::info Ceci est un guide pratique, non une implémentation finalisée Ce guide esquisse l'approche. La stratégie spécifique d'appariement de dictionnaire et d'injection dépendra de votre paire de langues et des ressources lexicales disponibles. :::

Quand l'utiliser​

  • Un dictionnaire bilingue existe pour votre paire de langues (même un petit)
  • Le LLM hallucine régulièrement des termes clés — invente des mots qui n'existent pas
  • Vous avez besoin de cohérence terminologique dans les traductions (le même mot traduit de la même façon partout)
  • Vous traduisez du contenu spécialisé où les traductions standard du LLM sont incorrectes (juridique, médical, éducatif)

Comment cela fonctionne​

  1. Charger un dictionnaire bilingue — paires clé→valeur mappant les termes source aux traductions cibles vérifiées
  2. Appareiller le texte source au dictionnaire — identifier les termes dans l'entrée qui ont des traductions connues
  3. Injecter les correspondances dans l'invite — dire au LLM « ces termes DOIVENT être traduits comme suit »
  4. Le LLM génère la traduction — avec les contraintes du dictionnaire comme exigences strictes
  5. Post-traitement — vérifier que les termes du dictionnaire apparaissent dans la sortie ; réessayer s'ils ne le font pas

Format du dictionnaire​

dictionaries/crk-terms.json
{
  "school": "kiskinwahamâtowikamik",
  "teacher": "okiskinwahamâkêw",
  "student": "kiskinwahamâkan",
  "book": "masinahikan",
  "home": "kīwēwin",
  "water": "nipiy"
}

Structure de l'invite​

Translate the following English to Plains Cree (SRO).

REQUIRED TERMINOLOGY — use these exact translations:
- "school" → "kiskinwahamâtowikamik"
- "teacher" → "okiskinwahamâkêw"

Source: "The teacher went to the school"

Décisions de conception clés​

Stratégie d'appariement : L'appariement exact est le plus simple. L'appariement lemmatisé (« teachers » correspond à « teacher ») en capture davantage mais nécessite un lemmatiseur de la langue source. L'appariement flou risque les faux positifs.

Gestion de l'inflexion : Dans les langues polysynthétiques, la forme du dictionnaire peut nécessiter une inflexion pour s'adapter à la phrase. Vous pouvez fournir la racine et laisser le LLM inflexionner, ou fournir plusieurs formes inflexionnées. Un FST peut valider le résultat.

Résolution des conflits : Que faire si le LLM ignore un terme du dictionnaire ? Options : (a) réessayer avec une instruction plus forte, (b) post-traiter par remplacement de chaîne, (c) accepter et signaler pour révision.

Avantages et inconvénients​

✅ Élimine l'hallucination pour les termes connus❌ La couverture du dictionnaire est toujours incomplète
✅ Garantit la cohérence pour le vocabulaire clé❌ L'inflexion/conjugaison peut ne pas correspondre au contexte de la phrase
✅ Facile à auditer et mettre à jour❌ Une sur-contrainte peut produire une sortie non naturelle
✅ Le dictionnaire est un atout réutilisable❌ Nécessite qu'un dictionnaire existe en premier lieu

Où trouver des dictionnaires​

  • itwêwina — Cri des Plaines–Anglais (alimenté par FST, open source)
  • Wolvengrey Dictionary — référence complète du Cri des Plaines
  • Apertium — dictionnaires bilingues pour des dizaines de paires de langues
  • Giellatekno — dictionnaires pour le sámi, l'ouralien et autres langues minoritaires
  • Glossaires créés par la communauté, matériels éducatifs, listes de termes

S'associe bien avec​

Voir aussi​