DiscoSign：让手语翻译理解篇章语境的新框架

手语翻译长期停留在句子层面

主流的手语处理系统一直有一个被忽视的短板：它们几乎都以单句为单位进行处理，无法把握跨句子的语篇现象。而对手语的真正理解，恰恰离不开这些篇章层面的信息。研究团队提出的 DiscoSign 框架，正是要填补这一空白——它是一种具备篇章感知能力（discourse-aware）的"文本到手语手势符号（gloss）"翻译方法，其设计根植于语言学研究。

换句话说，过去的系统把每句话孤立地翻成手语符号，就好像翻译一段对话时忽略了上下文里"他"到底指代谁。对手语这种高度依赖空间和语篇结构的语言而言，这种孤立处理会造成严重的信息丢失。

DiscoSign 关注的三大语篇现象

DiscoSign 建立在一个模块化的大语言模型（LLM）翻译框架之上，重点解决三种关键的语篇现象。

空间指代消解

第一个是空间指代消解（spatial coreference resolution）。在手语中，一个实体一旦被引入，往往会被分配到手语者面前空间中的某个固定位置，并在后续的表达中通过指向该位置来反复引用。这意味着整段话语中，同一实体需要保持一致的空间定位。传统的句子级系统无法维持这种跨句的空间一致性，而 DiscoSign 试图在翻译过程中显式建模这一点。

问答从句结构

第二个是问答从句（Question-Answer Clauses, QACs）。这是一种伪分裂（pseudocleft）结构，在手语中扮演着组织信息、突出重点的作用。它通过"提出问题—给出回答"的形式来传递本可以用陈述句表达的内容，是手语语篇中常见且重要的修辞与结构手段。识别并正确生成这类结构，对翻译的自然度和可理解性至关重要。

第三类现象与模块化设计

框架还涉及第三类语篇现象（原文摘要在此处截断）。整体来看，DiscoSign 的核心思路是把这些语言学上被充分研究的现象，转化为 LLM 翻译流水线中可处理的模块，让机器翻译不再只盯着单句，而是照顾到整段话语的连贯性。

为什么这项工作值得关注

手语并非简单地把口语词汇一一对应地"打"出来，它是一门拥有独立语法、空间语义和语篇规则的完整自然语言。以往的技术路线常常忽略这一点，导致生成的手势符号序列虽然逐句正确，却在整体上不连贯、缺乏语篇线索。

DiscoSign 的价值在于把语言学研究成果与大语言模型的能力结合起来：一方面借助 LLM 强大的文本理解与生成能力，另一方面通过模块化设计显式注入手语特有的篇章规则。这种"语言学知识 + 大模型"的融合路径，对提升手语翻译的可用性、进而改善听障群体的信息可及性，具有现实意义。

对研究社区而言，这项工作也提示了一个更普遍的方向：在低资源、结构特殊的语言处理任务中，纯数据驱动的端到端模型未必最优，将领域语言学知识以模块形式引入，可能带来更可靠、更可解释的结果。

小结

DiscoSign 把手语翻译从孤立的句子层面推进到篇章层面，聚焦空间指代消解、问答从句等关键现象，并以模块化 LLM 框架加以实现。尽管公开摘要信息有限，但其研究方向清晰地指向了手语处理领域一个长期被低估的问题。随着更多细节和实验结果的披露，这类篇章感知的方法有望成为手语机器翻译的重要基线。