Machine Translation / Low-Resource NLP on TechLLMhttps://techllm.github.io/tags/machine-translation-/-low-resource-nlp/Recent content in Machine Translation / Low-Resource NLP on TechLLMHugokoMon, 07 Sep 2026 07:55:14 +0900같은 번역 모델에게 '그냥 해', '방언 강조해서 해', '영어 거쳐서 해' 이렇게 세 가지로 시켜서 어디서 결정이 흔들리는지 보는 연구다.https://techllm.github.io/posts/translation-as-a-decision-space-a-multi-agent-perspective-on-low-resou/Mon, 07 Sep 2026 07:55:14 +0900https://techllm.github.io/posts/translation-as-a-decision-space-a-multi-agent-perspective-on-low-resou/동일한 다국어 번역 모델을 세 가지 결정 제약(제로샷, 경량 파인튜닝, 영어 우회) 하에 실행하고, 그 출력을 '번역 에이전트'로 모델링하여 모델 내부의 의사결정 공간을 가시화하는 프레임워크를 제안한다. 터키어-시리아 아랍어 번역 실험(평가 5K, 안정화 5K)에서, 1 에폭·학습률 1e-5의 경량 안정화만으로 방언 마커 사용이 0.2266에서 0.4988로 약 2.2배 증가하고 구조적 길이 분산이 2.8761에서 1.1834로 58.8% 감소했다.