扩展 CREAMT：利用大语言模型进行文学翻译后编辑
计算与语言
2025-04-07 v1
摘要
针对创意文本（如文学作品）的机器翻译后编辑（MT）需要在效率与保持创造性和风格之间进行平衡。虽然神经 MT 系统在这些方面存在挑战，但大语言模型（LLMs）提供了更好的上下文感知和创造翻译能力。本研究评估了使用 LLM 生成的文学翻译进行后编辑的可行性。使用自定义研究工具，我们与专业文学翻译家合作，分析了编辑时间、质量和创造性。我们的结果表明，后编辑 LLM 生成的翻译显著减少编辑时间，同时保持类似的创造性水平。PE 与 MT 之间创造性差异最小，结合显著的生产力提升，表明 LLM 可能有效地支持高资源语言的文学翻译家。
引用
@article{arxiv.2504.03045,
title = {Extending CREAMT: Leveraging Large Language Models for Literary Translation Post-Editing},
author = {Antonio Castaldo and Sheila Castilho and Joss Moorkens and Johanna Monti},
journal= {arXiv preprint arXiv:2504.03045},
year = {2025}
}
备注
to be published in the Proceedings of the 20th Machine Translation Summit (MT Summit 2025)