人类与机器文学翻译中的流畅性与忠实度
一项新研究利用130,486段来自106部小说的翻译段落，分析了文学翻译中流畅性与忠实度的关系。研究发现，无论是人工翻译还是Google翻译，段落长度与两者之间存在一致的负相关，暗示了流畅性与忠实度之间的权衡。
文学翻译一直面临着在目标语言的流畅性与对源文本的忠实度之间取得平衡的挑战。近年来，大型语言模型（LLM）在生成流畅翻译方面表现出色，但在文学文本中，这种流畅性是否必然意味着语义的准确保留仍是一个未解之谜。一项由Sarah Griebel等人进行的新研究，通过大规模数据分析，深入探讨了这一关系。
该研究利用了130,486段翻译段落，这些段落来自106部不同语言的小说，涵盖16种源语言。翻译类型包括人工翻译、Google翻译以及TranslateGemma翻译。研究团队采用了一种基于段落词性n-gram训练的“翻译ese分类器”来衡量流畅性，即翻译文本与目标语言原创文本的相似程度；同时，使用自动翻译评估指标COMET-KIWI来评估忠实度，即翻译内容对原文语义的保留程度。
在控制段落长度这一变量后，研究人员发现了一个一致的模式：流畅性与忠实度之间存在显著的负相关。这意味着，在文学翻译中，追求更高的流畅性往往伴随着对原文语义的某种牺牲。这一现象在人工翻译和Google翻译中均表现明显，但在Google的TranslateGemma模型中，这种相关性较弱，且在许多情况下不显著。
研究还指出，段落的长度对自动评估结果有重要影响。较长的段落可能在流畅性和忠实度上表现出不同的特性，因此在评估翻译质量时需谨慎考虑这一因素。这些发现不仅对文学翻译实践具有指导意义，也为机器翻译系统的评估提供了新的视角。该研究已被NLP4DH 2026会议接收，其成果有望推动翻译评估方法的改进。