进化/搜索型翻译
核心思想： 生成多个候选翻译，用适应度函数（chrF++、FST 接受率、往返一致性）对其评分，对表现最好的候选进行变异，然后重复。自然选择应用于翻译——适应度最高的存活下来。
:::info 这是一本食谱，不是完成的实现 这是食谱系列中最具实验性的方法。它还未在大规模机器翻译中得到验证，但架构是健全的，评分工具可以愉快地对其产生的任何结果进行评分。 :::
何时使用
- 你有一个良好的评分函数，但没有单个模型能产生一致的结果
- 你想更广泛地探索解空间，而不仅仅是单个贪心生成
- 你有计算预算用于许多并行生成（每个输入数十个候选）
- 你对新颖研究感兴趣——这种方法在低资源机器翻译中尚未充分探索
工作原理
[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
框架
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))
适应度函数设计
适应度函数至关重要。选项包括：
| 指标 | 测量内容 | 自动化？ |
|---|---|---|
| 针对参考译文的 chrF++ | 与黄金标准的字符级相似度 | ✅ 是 |
| FST 接受率 | 形态学有效性 | ✅ 是（如果有 FST） |
| 往返一致性 | 反向翻译能否恢复源文本？ | ✅ 是 |
| LLM 作为评判者 | 另一个 LLM 评估流畅度/准确度 | ✅ 是（但有噪声） |
| 词典术语出现 | 已知术语是否正确出现？ | ✅ 是 |
:::tip 组合多个信号 多个指标的加权组合比任何单一指标都能形成更稳健的适应度函数。这与评分工具自身的 composite score 相呼应。 :::
优缺点
| ✅ 探索多样化的解决方案 | ❌ 计算成本高（N × G 次 API 调用） |
| ✅ 可以发现单个模型无法找到的方法 | ❌ 需要良好的适应度函数 |
| ✅ 可并行化 | ❌ 速度慢——每次翻译需要多代迭代 |
| ✅ 模型无关 | ❌ 几代之后收益递减 |