基于受治理多智能体框架的西班牙语易读文本生成技术解析

1. 项目背景与核心挑战：为什么需要“受治理的多智能体”来简化文本？

如果你关注过无障碍信息获取领域，或者尝试过为认知障碍、阅读障碍人群或语言学习者制作“易读”内容，你可能会发现一个悖论：让机器把复杂文本变简单，这件事本身一点也不简单。传统的文本简化方法，无论是基于规则的替换，还是早期基于统计机器翻译（SMT）的模型，往往顾此失彼。它们可能成功地用“大”替换了“庞大”，却破坏了原文的逻辑连贯性；或者简化了句子结构，却丢失了关键的事实细节。这种“简化”有时甚至会产生新的歧义，让目标读者更加困惑。

这就是我们参与MER-TRANS 2026评测任务“西班牙语易读文本生成”时所面对的核心挑战。任务目标很明确：给定一篇标准西班牙语新闻文本，自动生成其“易读”（Easy-to-Read， ETR）版本。ETR不是简单的词汇降级，它是一套严谨的准则，通常包括：使用短句和简单句结构、优先选择高频和具体词汇、避免被动语态和否定式、保持逻辑顺序清晰、对抽象概念提供解释等。手动遵循这些准则创作，对编辑来说是巨大的负担；而让一个单一的、端到端的神经网络模型来同时完成词汇简化、句法重构、逻辑梳理和内容忠实度保持，几乎是一个“不可能三角”。

因此，我们的思路从“训练一个更强大的单一模型”转向了“设计一个分工明确且受控的协作系统”。这引出了我们方案的核心：Governed Multi-Agent Simplification（受治理的多智能体简化框架）。这个想法的灵感来源于软件工程中的微服务架构和人类编辑团队的协作流程。与其让一个“全能编辑”绞尽脑汁，不如组建一个专项小组，包括“词汇专家”、“句法工程师”、“逻辑检查员”和“风格校准员”，并设立一位“总编辑”来协调和裁决他们的工作，确保最终产出符合ETR的所有标准，且不偏离原意。

在这个框架下，“多智能体”指的是多个专门化的简化模块（智能体），每个负责处理简化任务的一个特定维度。“受治理”则意味着存在一个中央协调或评估机制（治理器），它不直接进行简化操作，而是制定规则、分配任务、解决冲突、并确保多个智能体的输出和谐统一，最终汇聚成一个高质量、连贯的简化文本。接下来的部分，我将深入拆解我们是如何具体构建和实现这一框架的。

2. 框架深度拆解：智能体分工与治理器调度逻辑

我们的HULAT2系统架构可以看作一个精密的文本处理流水线，其核心是四个专项智能体和一个中央治理器。理解每个部件的职责和它们之间的协作协议，是理解整个系统工作的关键。

2.1 专项智能体：各司其职的“专家模块”

我们设计了四个智能体，分别针对易读性转换的不同层面：

智能体A：词汇与术语简化专家这个智能体的核心任务是将低频词、学术词、抽象词替换为更常见、更具体的同义词或短语。它不仅仅是一个同义词词典。

• 工作原理：我们基于大型西班牙语语料库（如Wikipedia、新闻语料）训练了一个词汇复杂度评估模型。该模型会为输入文本中的每个词语（或短语）输出一个“复杂度分数”，分数综合考虑了词频、词长、词源（拉丁语vs.日常用语）、以及在不同语域中的分布。同时，我们构建了一个高质量的“复杂-简单”词对映射表，这个表并非静态，而是通过上下文嵌入（Contextual Embedding）来动态检索最合适的替换词。例如，面对“el organismo ejecutivo”这个短语，智能体不仅知道“organismo”可以替换为“grupo”或“entidad”，还能根据上下文（政治新闻）判断，这里最贴切的简化可能是“el gobierno”（政府）。
• 实操心得：单纯的频率替换会闹笑话。我们最初版本曾把“célula”（细胞，生物学）在政治新闻中一律替换为“celda”（牢房），因为后者更短更常见。教训是，必须深度融合上下文语义，并且为特定领域（如医疗、法律）维护领域专用的简化词表。我们在治理器中为此设置了“领域一致性检查”规则。

智能体B：句法结构重构工程师它的职责是将长句、复合句拆分为符合ETR标准的短句，并调整语态。这是提升可读性最直观的一环。

• 工作原理：该智能体基于一个经过微调的序列到序列（Seq2Seq）模型，例如BART或T5。我们使用人工标注的“标准句-易读句”平行语料进行训练。但它的特殊之处在于，我们通过特定的提示（Prompt）和约束解码（Constrained Decoding）技术，强引导模型执行特定操作：比如“识别并拆分从句”、“将被动语态转为主动语态”、“消除否定前置（如‘no es improbable que’ 转为 ‘es posible que’）”。模型在每一步生成时，都被鼓励使用更简单的主谓宾结构。
• 实操心得：粗暴的句法拆分会导致指代混乱。原句“El presidente, que llegó ayer, firmó el acuerdo.” 被拆成“El presidente llegó ayer. Firmó el acuerdo.” 后，第二句的“他”指代可能模糊。因此，句法智能体必须与指代消解模块联动，在拆分时必要时重复主语或使用更明确的名词。这是我们通过后期在治理器中添加“指代清晰度”评估指标来解决的。

智能体C：逻辑连贯性与内容忠实度检查员简化不能扭曲事实或破坏逻辑链。这个智能体扮演“事实核查员”和“逻辑管家”的角色。

• 工作原理：它采用基于文本蕴含（Textual Entailment）和问题回答（QA）的技术。首先，使用一个蕴含模型判断简化后的句子是否与原文在语义上存在蕴含或矛盾关系。其次，从原文和简化文本中分别提取一组事实三元组（主体-关系-客体），并进行比对，确保关键事实（人物、事件、时间、地点）没有丢失或篡改。例如，原文是“La empresa anunció una inversión de 10 millones tras la reunión.”（公司在会议后宣布投资1000万）。一个过于激进的简化可能变成“La empresa invertirá dinero.”（公司将投资钱）。检查员会标记出“10 millones”和“tras la reunión”这两个关键信息的丢失。
• 实操心得：事实保留和简化程度之间存在天然张力。我们的治理器为此设定了一个可调的“信息保留阈值”。对于重要的新闻要素（如金额、时间、核心决策），阈值很高，几乎不允许简化；对于背景修饰性信息，阈值可以放低。关键是要让系统知道“什么不能丢”，这需要领域知识注入。我们为新闻领域预定义了一套关键实体和关系类型。

智能体D：易读风格与格式校准员这是最后一道工序，确保输出文本符合ETR的格式规范，提升视觉和认知上的友好度。

• 工作原理：这个智能体执行一系列基于规则和轻量级模型的操作：1）确保每个句子都以大写字母开头，以句号结束；2）在列表项前添加项目符号；3）在可能引起困惑的专有名词或抽象概念后，以括号形式添加简短解释（例如，“UE (Unión Europea)”）；4）检查并建议在长段落中插入换行。它还会调用一个可读性公式（如西班牙语的“Fernández Huerta指数”）对最终文本进行评分，确保其落在目标难度区间。
• 实操心得：括号内添加解释是一把双刃剑。加得太多会打断阅读流，显得冗余。我们的策略是：只为在通用语料库中频率低于一定阈值、且在本篇文章中首次出现的概念添加解释。同时，解释文本本身也必须经过词汇简化智能体的处理，避免“用复杂语言解释复杂概念”。

2.2 中央治理器：协调与决策的“总编辑”

治理器是整个系统的“大脑”，它本身不直接修改文本，而是进行调度、评估和决策。其工作流程如下：

1. 任务分发与流水线初始化：治理器接收原始文本，首先调用“逻辑检查员（C）”进行一次快速扫描，识别出需要重点保护的核心事实和逻辑结构，生成一个“内容保护清单”。然后，它将原始文本和这份清单一并传递给“词汇专家（A）”和“句法工程师（B）”，启动并行或串行处理（实践中我们先做词汇简化，再做句法调整，因为词的选择会影响句法结构）。

2. 冲突检测与裁决：当多个智能体的建议发生冲突时，治理器进行裁决。最常见的冲突是：句法智能体想拆分一个句子，但该句子包含逻辑智能体标记的、必须紧密相连的事实单元。例如，“El incendio, que comenzó ayer por la noche, ya ha sido controlado.”（火灾始于昨晚，现已被控制。）逻辑上，“开始时间”和“当前状态”是一个事件的连续描述。句法智能体可能想拆成两句。此时，治理器会根据预设的优先级规则（在本系统中，逻辑连贯性优先级高于句法简化）进行裁决，可能否决拆分，或者要求句法智能体用连接词（如“y”）连接两个短句，而不是彻底拆分。

3. 迭代优化与质量门控：治理器将初步简化后的文本，依次送回给各个智能体进行“交叉校验”。词汇专家检查句法重构后是否引入了新的复杂词；逻辑检查员评估简化后的整体文本是否仍忠实于原文；风格校准员进行最后润色。治理器设定多个质量门控指标：词汇复杂度降低比例、平均句长、逻辑忠实度分数、风格合规性等。如果某一项指标不达标，治理器会要求相应的智能体重新处理，或调整处理参数，进行有限轮次的迭代优化，直到输出达到综合质量要求，或达到迭代上限。

4. 资源管理与超参数调节：治理器还负责管理系统资源，例如，对于极长的文档，它可以采用分块处理策略，并在块与块之间维持连贯性。更重要的是，它暴露了一组“超参数”给最终用户（或上游系统），例如“简化强度”（偏向更简单还是更忠实）、“目标读者阅读水平”等。治理器将这些高级指令翻译成各个智能体的具体操作阈值（如词汇替换的置信度阈值、允许的最大句长等）。

3. 在MER-TRANS 2026任务中的具体实现与技术选型

有了理论框架，我们需要为MER-TRANS 2026这个具体的评测任务选择合适的技术栈并将其实现。评测数据通常是西班牙语新闻，这决定了我们许多技术决策。

3.1 模型基座与训练数据策略

• 词汇/句法智能体的基座模型：我们选择了以西班牙语语料为主进行预训练的MarIA（西班牙语RoBERTa）和BETO（西班牙语BERT）作为基础。选择它们而非多语言的mBERT或XLM-R，是因为在单一语言任务上，单语模型通常在词汇和句法细微差别上表现更好。我们将MarIA用于需要深度理解上下文的词汇简化任务（作为编码器），而基于BART架构（用西班牙语语料继续预训练）的模型用于句法重构的序列生成任务。
• 逻辑检查员的基座模型：我们采用了在西班牙语蕴含数据集（如SNLI西班牙语翻译版或XNLI中的西班牙语部分）上微调的MarIA模型作为蕴含判断模块。对于事实三元组提取，我们使用了基于西班牙语依赖句法分析的开放信息抽取（OpenIE）工具，并针对新闻文本进行了规则强化。
• 训练数据：这是最大的挑战之一。公开的大规模西班牙语“标准-易读”平行语料非常稀缺。我们采用了多源数据构建策略：
  1. 核心种子数据：收集了有限的、人工撰写的西班牙语ETR新闻和官方文档。
  2. 数据增强：利用反向翻译（Back-Translation）思想。我们先将简单的西班牙语句子（来自儿童读物、语言学习材料）用一个大模型“复杂化”，从而得到“复杂-简单”对。当然，这需要严格的过滤来保证质量。
  3. 跨语言迁移：利用英语-西班牙语双语语料和相对丰富的英语文本简化资源（如WikiLarge），通过机器翻译构建伪平行语料。但必须警惕翻译引入的噪声和语言特性差异。
  4. 无监督与自监督：我们使用了西班牙语维基百科的“标准版”和“简单版”（如果有）作为对比学习的数据源，让模型学习两种版本之间的风格差异。

3.2 智能体间的通信与接口设计

智能体之间不能是黑盒交互。我们设计了结构化的通信协议。每个智能体接收和输出的都不再是纯文本，而是一个富文本结构对象（JSON格式），包含：

{ “text”: “处理后的文本片段”， “operations_applied”: [ {“type”: “lexical_simplification”, “original”: “concluyó”, “simplified”: “terminó”, “confidence”: 0.95}, {“type”: “sentence_splitting”, “original_sentence_index”: 0, “new_sentences”: [0, 1]} ], “confidence_scores”: {“readability”: 0.8, “faithfulness”: 0.9}, “protected_spans”: [ {“start”: 20, “end”: 35, “type”: “key_fact”, “content”: “10 millones de euros”} ] }

这种设计让治理器能够清晰地追踪每一次修改的意图、位置和置信度，为冲突裁决提供了详细依据。同时，protected_spans字段是逻辑检查员传递给其他智能体的“红线”，明确标识了不可篡改或需谨慎处理的文本区间。

3.3 治理器的规则引擎与优化算法

治理器的核心是一个规则引擎和一个基于强化学习的优化器。

• 规则引擎：包含一系列硬性规则和软性约束。硬规则如“不允许改变专有名词”、“数字和日期必须完全保留”。软约束如“鼓励使用主动语态”、“偏好句子长度小于15词”。规则以可配置的权重形式存在。
• 优化算法：我们将整个多智能体系统视为一个可微分的计算图（部分智能体本身是神经网络），并使用策略梯度方法进行端到端的微调。奖励函数（Reward Function）是我们精心设计的综合评分，包括：1）与人工参考译文的相似度（BLEU, SARI）；2）自动易读性分数；3）逻辑忠实度分数（基于蕴含模型）；4）词汇多样性（避免过度重复）。治理器的策略就是学习如何根据当前文本状态，调整对各智能体的“指令”（如调整置信度阈值），以最大化这个综合奖励。这个过程是在一个较小的、高质量的人工标注数据集上进行的，旨在让各个智能体学会更好地协作。

4. 实战评估、常见问题与调优心得

在开发HULAT2系统的过程中，我们进行了大量的内部测试和针对MER-TRANS评测指标的优化，积累了一些宝贵的实战经验。

4.1 效果评估：多智能体带来了什么？

与传统的端到端单一模型（如直接微调一个BART或T5模型做简化）相比，我们的多智能体框架在以下几个维度显示出优势：

1. 可控性与可解释性：这是最大的优势。如果输出文本在某方面不合格（比如句子还是太长），我们可以精准地定位是“句法智能体”的拆分阈值设置得太保守，或者是“风格校准员”没有正确执行段落划分。我们可以单独调整某个智能体，而不必重新训练整个大模型。所有的修改操作都有迹可循（通过operations_applied字段），这对于调试和满足特定用户需求至关重要。
2. 处理复杂情况的能力：对于包含多个难点（如复杂术语、嵌套从句、隐含逻辑）的长段落，单一模型容易“顾此失彼”，可能为了流畅度而牺牲准确性，或反之。多智能体框架通过分工，让每个“专家”集中精力解决自己擅长的问题，再由治理器统筹，往往能产生更均衡的结果。
3. 模块化与可扩展性：当我们需要增加对新语言的支持，或者针对新的易读性准则（比如为视力障碍者增加对图像描述的简化要求）时，我们只需要训练或引入一个新的专项智能体，并将其集成到治理框架中即可，无需推翻重来。

当然，劣势也很明显：系统复杂度高、推理速度慢、对治理器的设计逻辑要求极高。如果治理器的规则设计不当，反而会成为瓶颈，导致智能体之间互相掣肘，输出质量还不如单一模型。

4.2 踩坑实录：我们遇到的典型问题与解决方案

问题一：智能体间的“过度简化”循环。

• 现象：词汇智能体将“经济衰退”简化为“经济不好”，句法智能体觉得“经济不好”这个短语在句中依然可以进一步拆分或调整，风格校准员可能觉得“不好”不够正式……结果在迭代中，一个原本清晰的概念被改得面目全非。
• 根因：每个智能体都在局部优化自己的目标，缺乏全局的“简化饱和点”意识。
• 解决方案：在治理器中引入“简化深度计数器”和“语义漂移检测”。每个词语或结构被简化一次后，会打上标记。治理器设定一个最大简化深度（例如，一个词最多被替换一次）。同时，使用句子嵌入（Sentence Embedding）计算原文与当前简化版的语义相似度，当相似度低于某个阈值时，触发保护机制，停止进一步的激进简化，甚至回滚到上一个稳定版本。

问题二：对文化特定表达和隐喻的处理失当。

• 现象：西班牙语新闻中常见的“poner sobre la mesa”（字面：放在桌上，实际：提出讨论）这类习语，被词汇智能体字面理解为“放在桌子上”，闹出笑话。
• 根因：智能体缺乏文化知识和隐喻理解能力。
• 解决方案：我们构建了一个西班牙语习语和隐喻短语列表，并为其标注了直译和意译解释。在预处理阶段，治理器会先识别出文本中的这类短语，并将其作为一个“保护单元”直接传递给逻辑检查员和风格校准员。风格校准员会负责以括号形式添加解释（例如，“poner sobre la mesa (es decir, proponer para discutir)”），而不是让词汇智能体去错误地替换它。

问题三：处理数字和日期的陷阱。

• 现象：原文“un 30% de los participantes”被简化为“30 de cada 100 participantes”，虽然更“易读”，但改变了表述方式，在某些严谨语境下可能不被接受。日期“el 11 de septiembre”可能被错误地关联到其他事件。
• 根因：系统缺乏对数字/日期表达方式的统一策略和对敏感日期的认知。
• 解决方案：我们为数字和日期制定了严格的规则。对于百分比，默认保留“%”形式，除非用户明确要求转换为分数。对于日期，一律保留原始格式。同时，治理器内置一个“敏感内容过滤器”，对于像“11-S”这样的日期，会触发特殊处理流程，可能提示需要人工审核，或确保上下文解释清晰。

4.3 参数调优心得：没有银弹，只有权衡

在最终准备评测提交时，大量的时间花在了调节治理器的超参数上。几个关键的心得：

1. “简化强度”不是一个滑块，而是一组联动的参数。你不能只调一个“强度值”。你需要联动调整：词汇替换的置信度阈值、句法拆分时允许的最大从句深度、逻辑检查中信息保留的权重等。我们的做法是定义几个预设档位，如“最大可读性”、“平衡模式”、“高保真模式”，每个档位对应一组精心调校的参数组合。
2. 评估指标是指挥棒，但要理解其局限。MER-TRANS评测可能使用BLEU、SARI、FKGL等自动指标。过度优化这些指标会导致“指标游戏”，例如，为了提升BLEU分而过度使用参考译文中出现的特定短语，损害了生成多样性。我们始终将人工抽查作为最终的质量检验标准，确保自动指标高的结果，人也觉得好读、准确。
3. 为“不确定性”设计降级方案。当治理器检测到多个智能体对某处修改的置信度都很低，或者迭代优化无法收敛时，系统不应该强行输出一个可能错误的简化。我们的降级方案是：对该疑难片段进行“最小化处理”——只进行最安全的操作（如确保标点正确），然后以括号加注的形式保留原文，并标记“[原文：...]”，将最终决定权留给人类编辑。这比输出一个自信但错误的简化要负责任得多。

开发HULAT2系统的过程，让我们深刻体会到，将复杂的自然语言生成任务分解为受控的、可解释的步骤，不仅是一种技术架构选择，更是一种应对现实世界复杂性和不确定性的工程哲学。它要求我们更细致地理解语言本身，也更谦逊地看待当前AI的能力边界。这套框架的思路，或许也能给其他需要精细化控制、高可解释性的文本生成任务（如技术文档简化、法律文书摘要、个性化内容适配）带来一些启发。