Evolutionaire / Zoekgebaseerde Vertaling

Het idee: Genereer meerdere kandidaatvertalingen, beoordeel ze aan de hand van een fitnessfunctie (chrF++, FST-acceptatie, round-trip-consistentie), muteer de beste kandidaten en herhaal. Natuurlijke selectie voor vertalingen — de sterkste overleven.

:::info Dit is een kookboek, geen afgeronde implementatie Dit is de meest experimentele aanpak in de kookboekreeks. De methode is nog niet bewezen voor MT op schaal, maar de architectuur is solide en de harness beoordeelt zonder problemen wat deze ook produceert. :::

Wanneer te Gebruiken

• U beschikt over een goede scoringsfunctie, maar geen enkel model levert consistente resultaten
• U wilt de oplossingsruimte breder verkennen dan een enkele greedy-generatie mogelijk maakt
• U heeft rekenbudget voor veel parallelle generaties (tientallen kandidaten per invoer)
• U bent geïnteresseerd in nieuw onderzoek — deze aanpak is onderbelicht voor MT met weinig bronmateriaal

Hoe Het Werkt

[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

Skelet

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))

Ontwerp van de Fitnessfunctie

De fitnessfunctie is allesbepalend. Opties:

Metriek	Wat Het Meet	Geautomatiseerd?
chrF++ ten opzichte van referentie	Overeenkomst op tekenniveau met de gouden standaard	✅ Ja
FST-acceptatiegraad	Morfologische geldigheid	✅ Ja (indien FST beschikbaar)
Round-trip-consistentie	Wordt de bron hersteld bij terugvertaling?	✅ Ja
LLM-as-judge	Een andere LLM beoordeelt vloeiendheid/nauwkeurigheid	✅ Ja (maar ruis)
Aanwezigheid van woordenboektermen	Komen bekende termen correct voor?	✅ Ja

:::tip Combineer meerdere signalen Een gewogen combinatie van metrieken levert een robuustere fitnessfunctie op dan welke afzonderlijke metriek dan ook. Dit weerspiegelt de eigen samengestelde score van de harness. :::

Voor- en Nadelen

✅ Verkent diverse oplossingen	❌ Rekenintensief (N × G API-aanroepen)
✅ Kan benaderingen ontdekken die geen enkel model afzonderlijk vindt	❌ Vereist een goede fitnessfunctie
✅ Paralleliseerbaar	❌ Traag — meerdere generaties per vertaling
✅ Modelonafhankelijk	❌ Afnemende meeropbrengst na enkele generaties

Combineert Goed Met

• Geketende Modellen — de mutatiestap is een vorm van ketening
• FST-Gated Pipeline — FST-acceptatie als fitnesssignaal
• Dictionary-Augmented LLM — aanwezigheid van woordenboektermen als fitnesssignaal

Zie Ook

• Run Card-specificatie — kosten en latentie worden per invoer geregistreerd
• Eval Harness — de harness beoordeelt uw uiteindelijke uitvoer, niet uw proces
• Ondersteuning van een taal met weinig bronmateriaal