提升 LLM 在习语翻译中的能力

对于 NLLB 和 GPT 等大型语言模型（LLM）而言，翻译习语仍然是一项挑战。我们的目标是通过改善 LLM 对习语语言的处理来提升翻译保真度，同时保留原有的语言风格。这具有重要的社会影响，因为它保留了文化细微差别，确保译文保留其意图和情感共鸣，从而促进更好的跨文化交流。先前的工作利用了 IdiomKB 等知识库，通过向 LLM 提供习语的含义以用于翻译。尽管该方法比直接翻译产生了更好的结果，但在跨语言保留习语写作风格方面仍存在局限。在本研究中，我们扩展了该知识库，以在目标语言中寻找对应的习语。我们的研究采用两种方法进行翻译：第一种方法使用 SentenceTransformers 模型在语义上生成原始语言和目标语言习语含义之间的余弦相似度得分，并选择最佳习语（余弦相似度方法）。第二种方法使用 LLM 在目标语言中寻找对应的习语以用于翻译（LLM 生成习语方法）。作为基线，我们在不提供额外信息的情况下进行了直接翻译。在英译中和中译英上的人工评估表明，余弦相似度查找方法在所有 GPT4o 翻译中均优于其他方法。为了进一步拓展 IdiomKB，我们开发了一个包含乌尔都语习语及其翻译的低资源乌尔都语数据集。尽管存在数据集局限，余弦相似度查找方法仍显示出前景，有望克服语言障碍并促进对中文和乌尔都语多元文学作品的探索。(LoResLM @ COLING Preprint)