LLM 驱动的自动翻译及其在危机情境中的紧迫感
计算与语言
2026-02-17 v1 人工智能
摘要
大语言模型（LLM）日益被用于危机准备与响应，尤其是多语言沟通。但其在高风险危机情境中的适用性尚未得到充分评估。本文考察最新LLM与机器翻译系统在危机域翻译中的性能，聚焦紧迫感保留——这是有效危机沟通与分级的关键属性。基于多语言危机数据及新构建的覆盖32余语言的紧迫感标注数据集，我们发现专用翻译模型与LLM均存在显著性能下降与不稳定现象。关键在于，即便语言表达充当，翻译仍可能扭曲紧迫感感知，LLM-based紧迫感分类随提示语言及输入而异异。这些发现揭示了通用语言技术用于危机沟通的重大风险，亦凸显危机感知评估框架的必要性。
引用
@article{arxiv.2602.13452,
title = {LLM-Powered Automatic Translation and Urgency in Crisis Scenarios},
author = {Belu Ticona and Antonis Anastasopoulos},
journal= {arXiv preprint arXiv:2602.13452},
year = {2026}
}