解码英中新闻文本中的机器翻译语素：LLM 与 NMT 的比较

本研究探讨了机器翻译语素（MTese）——即机器翻译输出的语言特征，聚焦于较少研究的英译汉语言对的新闻文本。我们构建了一个由4个子语料库组成的大型数据集，并采用全面的五层特征集合。随后，对分类与聚类任务中的特征进行卡方排序算法的特征选择。我们的发现确认了MTese在神经机器翻译系统（NMT）和大型语言模型（LLM）中的存在。原始中文文本几乎能被完美地区分于LLM和NMT输出。MT输出的显著语言模式包括 shorter 句子长度和增加的对抗连词使用。比较LLM与NMT，我们实现了约70%的分类准确率，LLM表现出更大的词汇多样性，而NMT使用的括号更多。此外，对比特定翻译的LLM与通用LLM，后者的词汇多样性更低，但使用因果连词更多。最后，我们发现中外公司开发的LLM之间不存在显著差异。