Breaking Babel: A Self-Evolving Multi-Agent System for Long-Form Subtitle Translation
테스트 타임에 프롬프트와 라우팅 정책을 스스로 진화시켜 장편 자막 번역의 일관성을 확보하는 멀티 에이전트 시스템
논문이 다루는 내용
장편 자막 번역은 에피소드 전반에 걸친 담화 및 문화적 맥락을 유지하면서 용어 일관성을 확보해야 하는 난제가 있습니다. 기존의 단일 LLM 방식은 문장 단위에 치중되어 있고, 기존 멀티 에이전트 방식은 장면 복잡도에 따른 유연한 대응이 어렵습니다. 본 논문은 테스트 타임 트레이닝을 통해 시리즈 수준의 메모리를 구축하고 에이전트 설정을 진화시키는 SMART 시스템을 제안합니다. SMART는 동적 라우터와 Mixture-of-Agents 레이어를 통해 용어 검증 및 제약 조건 확인을 수행하며, judge-refiner 루프를 통해 모델 재학습 없이 프롬프트와 정책을 업데이트합니다. 실험 결과, 제안된 Subtitle Arena 벤치마크와 SubMQM 프레임워크에서 기존 시스템 대비 우수한 성능을 기록하며 인간 평가에서도 높은 점수를 얻었습니다.
핵심 결과
-
테스트 타임에 프롬프트와 라우팅 정책을 업데이트하는 Self-evolving 멀티 에이전트 구조
-
시리즈 전체의 맥락 유지를 위한 지속 가능한 메모리 및 동적 라우팅 메커니즘
-
자막 특화 벤치마크(Subtitle Arena) 및 품질 평가 프레임워크(SubMQM) 도입
실무에서 볼 만한 점
모델 재학습 없이 프롬프트 엔지니어링과 에이전트 워크플로우 최적화만으로 도메인 특화 작업의 성능을 극대화하는 전략을 제시합니다.
읽을 때 확인할 점
-
동적 라우팅을 활용한 에이전트 워크플로우 설계 실험
-
테스트 타임 피드백 루프를 통한 프롬프트 자동 업데이트 로직 구현
-
장기 문맥 유지를 위한 메모리 관리 전략 적용