Traduzione Multi-Agente di Giochi di Parole con Apprendimento Contrastivo per CLEF JOKER 2025

Un recente articolo di ricerca introduce un metodo innovativo per tradurre i giochi di parole dall'inglese al francese, integrando grandi modelli linguistici con tecniche specializzate di generazione di giochi di parole. L'approccio proposto consiste in tre fasi: inizialmente, viene stabilita una baseline utilizzando vari modelli linguistici avanzati, guidati da un nuovo dataset di apprendimento contrastivo; successivamente, viene utilizzata una pipeline di catena di pensiero, incorporando embedding fonetico-semantici; infine, viene applicato un framework multi-agente generatore-discriminatore per valutare e rigenerare i giochi di parole con feedback. L'obiettivo principale è preservare la creatività linguistica e l'umorismo del testo originale piuttosto che tradurlo meramente letteralmente. Questo studio affronta le difficoltà distintive della traduzione dei giochi di parole, che storicamente ha rappresentato una sfida sia per i traduttori umani che per i sistemi automatici. L'articolo è disponibile su arXiv con identificativo 2507.06506, categorizzato come replace-cross, e fa parte del Task 2 di CLEF JOKER 2025, incentrato su umorismo e traduzione di giochi di parole.