مقاله‌ای از نا ری یو، استاد دانشکده مددکاری اجتماعی دانشگاه میشیگان و عضو هیئت‌مدیره MAP، و یونگ‌آه کیم، مدیر MAP، با عنوان ‘Agentic LLM for Information Access among Refugees: A Field Report from a Resource-Constrained Organization’ در پنجمین کارگاه NLP for Positive Impact (NLP4PI) که همراه با EMNLP 2026 از ۲۴ تا ۲۹ اکتبر ۲۰۲۶ در بوداپست مجارستان برگزار می‌شود، منتشر شده است.
حتی وقتی یک اطلاعیه دولتی به زبان پناهنده ترجمه شود، اگر متن اصلی کره‌ای به زبان اداری و پیچیده باشد، عمل کردن به آن دشوار است. این مقاله گزارش می‌دهد که وقتی MAP یک مدل زبانی بزرگ را پیش از مرحله ترجمه در Refugee News، که از ۲۰۱۸ اداره می‌کند، قرار داد چه اتفاقی افتاد. دامنه کار مدل با کارکنانی که به پرسش‌های پناهندگان پاسخ می‌دهند تعیین شد. مدل متن کره‌ای را به زبان ساده بازنویسی می‌کند، اصطلاحات خاص کره را توضیح می‌دهد، بررسی می‌کند که ارقام و مهلت‌ها قدیمی نشده باشند و نام نهادها را با یک واژه‌نامه ثابت هماهنگ می‌کند و سپس متن به هفت زبان ترجمه می‌شود.
این روش بیشتر مطالب را پوشش داد و جمله‌ها را کوتاه‌تر کرد، اما خطاهایی هم پدید آورد که در ترجمه صرف پیش نمی‌آمد. مرحله‌هایی که اجازه جست‌وجو در وب داشتند چیزهایی را اصلاح کردند که هیچ ترجمه‌ای نمی‌توانست، و همه خطاهای جدی که یافت شد، از جمله به‌روزرسانی‌های نادرست درباره سیاست‌ها، هم از همین مرحله‌ها آمد.