Can an Old Dog Be Taught New Tricks? Taking LLMs Beyond Sentence Level Translation
AI 深度解读
背景
当前自动翻译系统，无论是计算机辅助翻译（CAT）工具还是机器翻译（MT），绝大多数都采用逐句处理的范式。这种句子级翻译虽然高效，却忽略了篇章层面的语篇组织、修辞风格和语用规范——这些因素在不同语言间往往存在显著差异。随着大语言模型（LLM）能力的提升，研究者开始思考：能否让LLM跳出句子级翻译的局限，实现真正的整篇文档翻译，并融入语料库级别的上下文信息？本文正是针对这一问题提出解决方案，并进行了系统评估。
核心内容
论文提出了一个名为 PAT（Pragmatic Auto-Translator） 的翻译系统，该系统基于检索增强生成（RAG）架构。核心设计思路是：将用户自定义的翻译规格（如目标语语境、风格偏好等）与一个可比语料库的上下文信息相结合。该可比语料库收录了来自美式英语和拉美西班牙语的真实长篇文本，包含经过对齐的段落、章节和文档级别的示例。系统将这些检索到的上下文示例传递给一个LLM，由后者进行整篇文档的生成。
目标输出是供专业译审修改的草译：译文需要根据西班牙语的语境进行重新表述（reformulation），因为在话语组织、修辞风格和语用规范方面，西班牙语与英语存在本质差异。为了检验效果，论文在三个项目中对关于生成式AI的议论文进行了六组自动翻译实验。评估采用自定义的MQM（Multidimensional Quality Metrics）分类体系，由两位经过培训的评估员负责，翻译方向为美式英语到拉美西班牙语和墨西哥西班牙语。
结果发现：使用有限的提示（prompt）时，系统未能产生有意义的重新表述；而引入规格说明和语料库感知信息后，某些翻译实例出现了实质性的重新表述，但并非始终有效。论文的结论是：LLM可以被引导走出逐句翻译的范式，朝向更自然的重新表述方向前进，但要提高这些重新表述的有效性，还需要更多工作。文中还讨论了自动翻译系统设计、语料库构建以及翻译质量评价方法与结果的相关考量。
关键要点
- 逐句翻译范式的局限：传统翻译系统默认将翻译拆分为独立句子，忽略了跨句的语篇连贯性和语用一致性。这导致译文在目标语语境中可能显得生硬或不符合习惯。
- PAT系统的核心机制：基于RAG，将用户配置（如目标语体裁、受众）与可比语料库的检索结果结合，向LLM提供段落、章节和文档级别的上下文示例，从而驱动整篇文档的生成。
- 评估设置：使用自定义MQM分类法，由两名训练有素的评估员对六组自动翻译进行评分；语言对为美式英语→拉美西班牙语/墨西哥西班牙语；语料为关于生成式AI的议论文。
- 主要发现：简单提示无法促使LLM进行有意义的重新表述；提供规格和语料库信息后，有时能产生实质性重新表述，但效果不稳定，部分尝试未能达到预期。
- 后续方向：需要进一步研究如何提升LLM在篇章级别重新表述的有效性，特别是控制重新表述的程度与质量。
意义与影响
这项工作挑战了翻译领域长期以来的句子级假设，为将LLM应用于更贴近人类翻译实践的整篇翻译提供了实证基础。通过引入RAG和可比语料库，论文展示了一种将语用信息融入自动翻译的可行路径。其意义主要体现在三个方面：
- 系统设计：启发未来翻译系统从“逐句转换”转向“篇章级重构”，强调语料库的构建和检索策略对翻译质量的关键作用。
- 语料库构建：论文使用的可比语料库（而非平行语料）和文档级别对齐方法，为低资源场景或跨语言风格迁移提供了新思路。
- 评价方法：自定义MQM分类法关注“重新表述”这一非字面对应维度，拓展了翻译质量评估的视角，有助于捕捉语用和修辞层面的翻译效果。
尽管当前结果尚未达到稳定可靠，但论文证实了LLM具备超越句子级翻译的潜力，并为后续在专业翻译工作流（如生成初稿供人工审校）中应用此类方法奠定了理论和实践基础。