LLM翻译：历史、低资源语言与当代AI模型

大型语言模型（LLM）在无需显式训练的情况下展现出在执行各种任务（包括机器翻译）方面的显著适应性。像 OpenAI 的 GPT-4 和 Google 的 Gemini 等模型经常根据翻译基准进行评估，并被用作翻译工具，因其高性能。本论文研究了 Gemini 将 18 世纪奥斯曼土耳其手稿《异教徒的囚徒：蒂米什瓦拉的奥斯曼阿加回忆录》翻译成英文的表现。该手稿记述了奥斯曼臣民奥斯曼阿加在奥地利作为战俘度过的 11 年经历，包括他对战争与暴力的记述。我们的分析表明，Gemini 的安全机制将 14% 至 23% 的手稿标记为有害内容，导致部分段落未被翻译。这些安全设置虽然在缓解潜在危害方面有效，但阻碍了模型对历史文本提供完整且准确翻译的能力。通过真实历史案例，本研究揭示了当前 LLM 安全实现在处理敏感且内容丰富的材料时的固有挑战与局限性。这些现实案例凸显了 LLM 在当代翻译场景中的潜在失败——在这些场景中，准确且完整的翻译至关重要，例如为法律诉讼或人道主义文件翻译现代战争受害者的记述。