翻译作为决策空间：低资源方言生成的多智能体视角

神经机器翻译 (NMT) 系统通常为每个输入生成一个输出，从而模糊了多语言解码中隐式可用的替代决策轨迹。这种不透明性在资源匮乏的方言环境中变得尤其成问题，其中多种语言上有效的实现可能在词汇真实性、语域和结构稳定性方面有所不同。我们建议将翻译重新定义为由自主翻译代理探索的结构化决策空间。我们不是分析单个输出，而是将不同的翻译路径建模为在共享的多语言主干上运行的代理。主体间分歧不被视为错误，而是被视为可解释的行为信号。我们使用三种代理对土耳其语-叙利亚阿拉伯语翻译进行了实证研究：（1）零样本直接翻译，（2）通过轻量级 微调 进行方言稳定翻译，以及（3）通过英语进行枢转翻译。对 5,000 个对话句子进行评估，同时对来自电视对话和 MADAR-Turk 资源的另外 5,000 个土耳其-叙利亚句子对进行稳定性训练。我们不是针对传统的性能指标进行优化，而是使用方言标记频率、与标准化阿拉伯语的词汇接近度和结构差异来量化结构化行为位移。轻量级稳定使方言标记的使用率几乎翻倍，从 0.2266 增加到 0.4988，同时显着降低结构不稳定性。枢轴中介引入了标准化压力和可测量的压缩效果，而零样本转换则表现出最高的决策方差。我们认为，代理之间的翻译差异揭示了多语言模型中潜在的决策灵活性，并且我们为低资源方言生成提供了原则性的可解释性框架。