Breaking Babel：用于长格式字幕翻译的自我进化多Agent系统

长篇字幕翻译需要对跨越剧集或整个系列的话语和文化背景进行推理，同时保持一致的术语和风格。现有的单LLM方法主要是句子级的，多智能体系统通常使用不适应场景复杂性或生产上下文的静态工作流程。我们提出了 SMART，一种用于长格式字幕翻译的自我进化多Agent系统。在测试时训练期间，SMART 构建持久的系列级内存，并通过动态路由器和Agent混合层以及术语验证、字幕约束验证和上下文检索工具翻译句子子集。评审-细化循环对候选人进行评分，并使用文本批评来更新Agent提示和路由策略，而无需重新训练底层大语言模型。在测试时推理期间，演进的配置会转换剩余的系列。我们还引入了 Subtitle Arena，涵盖 14 个流派、每剧 2--198 集、制作年份 1959--2023 和 15 个目标语言环境，以及 SubMQM（一个具有 7 个维度和 19 个错误类别的字幕适配 MQM 框架）。 SMART 在所有 15 个 Subtitle Arena 方向上获得了最佳的 MQM 总体得分，比最强的竞争Agent系统平均惩罚减少了 6.9%。在公共基准 MuSC 上，SMART 在所有 4 个语言对上获得了最佳模型结果。 SMART在人类评估中也取得了最好的成绩，总分为4.50/5。