.svg){kind=logo}
- 资源
是否觉得难以满足多语言内容的需求？其实，有许多人与您感同身受。多年来，翻译团队一直面临着严峻的挑战，例如预算紧张、人力资源有限以及对内容的持续需求。但试想一下，要是能以更快速度、更大规模且显著降低的成本交付高质量译文，将为业务带来何等价值？如今，借助人工智能 (AI)，这一目标已切实可行。
在 Lionbridge 举行的“AI 能否玩转译后编辑？”主题网络研讨会上，来自 Lionbridge 与 Cisco Systems 的专家团队共同深入探讨了 AI 译后编辑如何为翻译与本地化领域带来变革。
本次研讨会由 Lionbridge 首席技术官 Marcus Casal 和 Cisco Systems 全球翻译服务 (GTS) 项目经理 Yolanda Cham Yuen 共同主讲，聚焦核心问题：借助大型语言模型 (LLM) 开展 AI 译后编辑，能否大规模交付精准、可靠且具成本效益的译文？答案是肯定的，但需满足关键前提条件。
AI 可以进行后期编辑，而且可以做得很好。
—Marcus Casal，Lionbridge 首席技术官
想要完整观看网络研讨会吗？点击下方按钮即可观看录像。
自动化译后编辑：何以成为当下新常态？
AI 译后编辑已非遥不可及的设想，而是已落地实施，正推动着实际应用场景的变革。
Lionbridge Aurora AI™ 平台可对全球化内容进行全生命周期编排：从接收客户数据，到通过机器翻译 (MT) 完成翻译，再借助 LLM 开展自动化译后编辑，最终将处理后内容回传至内容存储库。
是什么促成了这一点？应用程序接口 (API) 驱动的自动化、集成平台即服务 (iPaaS) 和强大的语言资产（如翻译记忆库 [TM]、词汇表和术语管理）的组合。通过整合 MT、基于前沿模型的 LLM 自动化译后编辑和智能工作流程，企业如今能以更快速度、更稳定的节奏交付内容，效率远超以往。
但仅有速度和可扩展性还不够，质量仍然很重要。因此，Lionbridge 的解决方案纳入人工介入 (HITL) 监督机制：由专业人员负责模型训练和优化，按需评估输出结果，确保最终译文完全符合预设内容质量目标。
Cisco Networking Academy 的自动化译后编辑有哪些实际应用案例？
Yolanda 分享了 Cisco 的实践案例：在“Cisco Networking Academy”这一全球社会责任计划中，Cisco 采用了自动化译后编辑。
Cisco Networking Academy 提供网络、网络安全、编程和其他数据科学主题的免费技术教育课程，覆盖 191 个国家/地区的 2300 多万名学习者。本地化对于充分提升课程影响力至关重要，因为语言可能会构成难以逾越的障碍。
为扩大课程触达范围、让全球更多人能学习 Network Academy 课程，Cisco 亟需一套可扩展的解决方案，需将数百万字内容翻译成十余种语言，且常面临时间紧迫、预算有限的双重压力。
他们的破局之法？便是应用自动化译后编辑。
Cisco Network Academy 的解决方案包含哪些内容？
Cisco 的解决方案涉及使用：
存储先前批准内容的 TM。
由于其速度、成本和一致性而用于初始翻译的神经机器翻译 (NMT)。
基于 LLM 的 AI 译后编辑，用于优化译文输出质量。
人工测试人员负责进行功能性上下文审校，这在处理复杂语言时尤为重要。
Cisco Network Academy 取得了哪些成果？
其成果堪称卓越。
通过应用自动化译后编辑，Cisco Networking Academy 仅用三个月便完成了超 1,500 万字内容的翻译工作，覆盖 14 种语言、支持 24 门课程。流程瓶颈也从翻译环节转移至功能测试与部署阶段，效率提升成效显著。而这一系列工作的总成本不足 70,000 美元，较传统翻译方式大幅降低。
借助 LLM 进行译后编辑后，Cisco 现已实现多语言内容同步发布，这不仅大幅缩短英文原版与各本地化版本的时间差，更进一步扩大了其课程的全球覆盖范围。
“如今内容翻译的速度之快、成本之低，是以往根本无法想象的。……[Automated post-editing is]正为我们打开新的可能 — 那些在过去极具挑战的场景下，因成本过高、难以落地的新领域、新业务，现在终于有了实现的机会。”
— Yolanda Cham Yuen，Cisco Systems
AI 译后编辑的局限性和风险是什么？
AI 译后编辑功能强大，但并非完美无缺。发言者强调了几个限制：
相关资源较少的语言给人类和机器带来的挑战更为突出。LLM（包含前沿模型）在英语及通用语言领域表现出色，但要处理小众语言，专业术语库和专属训练数据则缺一不可。
文化差异、语气和领域专业知识对 AI 而言仍是挑战。无论是体育术语还是技术用语，要精准捕捉其中的微妙差别，运用提示流并搭配人工监督至关重要。
可能会出现幻觉（幻觉指的是 AI 生成不准确或误导性的信息），而且有时候幻觉显得非常可信。这一局限性凸显了：对于高影响力内容，功能测试和最终用户直接反馈是必不可少的保障，其重要性不言而喻。
Marcus 分享了一个实际案例：某电子商务网站的篮球鞋商品页中有“protect your turf”（守护你的赛场优势）的表述，在翻译成西班牙语时却被译为“césped”（指人工草坪或草地）。这种译法用于足球场景尚且合适，但用于篮球场景就完全不合时宜了。经词汇表和术语库的优化，该翻译错误得以纠正，进而有效提升了用户信任度。
人工介入如何提升 AI 译后编辑效果？
AI 后期编辑会取代传统的翻译工作流程吗？答案是“不会完全取代”。Yolanda 和 Marcus 强调，尽管 AI 为翻译领域开辟了新的可能性 — 尤其在高效推进大规模项目时优势显著，但人工专业知识依旧不可或缺。
翻译人员和本地化专业人员需主动调整，具体可从四方面入手：
培养提示词工程和工作流程自动化能力
熟练掌握术语管理方法，精准传递品牌风格
与 AI 协作，共同聚焦高价值任务：语气校准、提高受众参与度以及领域专属内容优化
为 MT 和 LLM 生成的输出内容提供创意支持，并做好质量把关
行业正朝着“协作机器人”(cobotic) 模式转型，即通过人机协同，共同实现理想成果。
集成和术语管理如何提升结果？
整合是核心关键。AI 译后编辑必须与内容管理系统 (CMS)、文档管理平台及其他内容存储与更新载体无缝衔接。而自动化整合则能确保内容更新与本地化流程高效流转、快速闭环。
术语管理同样重要。正如 Marcus 所解释的，当下翻译及译后编辑成本已显著降低，此时投入打造完善的词汇表和品牌风格资产，能大幅提升 AI 生成译文的认可度和准确性。
翻译领域里，AI 译后编辑的未来将走向何方？
展望未来，随着 LLM 持续迭代更新，加之优质精选训练数据不断丰富，AI 译后编辑在本地化领域的重要性将愈发凸显。然而，随着技术的不断发展，人类的创造力、语境理解和持续的监督对于推动创新和保持高翻译质量仍然至关重要。
网络研讨会的关键要点有哪些？
本次网络研讨会深入探讨了自动化译后编辑如何优化翻译工作流程，助力实现全球化内容的规模化布局。以下是关键点：
AI 可以很好地进行后期编辑，减少人力投入。
AI 译后编辑借助 LLM 实现更快速、可扩展的翻译与本地化。
持续运用机器翻译并搭配有效的术语管理（含 TM 和词汇表），可显著提升内容质量和一致性。
人机参与仍然至关重要，特别是对于专业内容和低资源语言而言。
可按需选择 AI 驱动型服务的各个级别 — 从“无需人工译后编辑”到“全内容人工译后编辑”，满足您的内容需求。
即便减少人工参与，仍可实现符合要求的质量标准。
AI 译后编辑为扩大内容覆盖范围、降低成本开辟了新的可能性。
AI 译后编辑解惑：热门问题全解答
我们认识到准确性一直是 MT 解决方案面临的挑战。Lionbridge 依托 AI 的自动化质量评估功能，采用 AI 优先与人工复审的双重模式，全程动态监控和保证翻译的准确性。
在翻译记忆库 (TM)、神经网络机器翻译 (NMT) 和检索增强生成 (RAG) 等传统工具的基础上，我们利用 AI 来进一步增强翻译输出。
我们的 AI 译后编辑实践证明，它在满足翻译扩能需求的同时，仍能保持出色质量。尽管如此，人工监督仍能发挥重要作用，通过监督和调整工具来确保翻译准确且符合特定内容要求。
我们的 AI 译后编辑解决方案首先对源内容进行初步评估，全面掌握其整体的语境背景。然后基于对语境背景的理解进行编辑和审校，确保生成的翻译符合内容目标和/或使用情境。
我们设计的 AI 译后编辑解决方案具备可配置性，可根据自动化监控结果以及参与翻译流程的语言专家和客户主题专家 (SME) 的人工反馈，对语言提示词进行编辑和更新。
此外，Lionbridge 还提供其他 AI 解决方案，能够开展源内容分析并生成报告，清晰呈现源内容的修改建议。我们可以将这些解决方案与我们的 AI 译后编辑解决方案相结合，进一步优化内容策略。
借助我们的 AI 译后编辑解决方案，可清晰定位人类语言参与的高价值环节，确保人力仅用在关键处。
利用我们的 REACH 框架，我们与客户合作评估内容需求并配置 AI 解决方案以优化翻译输出。然后，我们可以定义不同程度的人工参与，确保努力程度与内容需求和使用情境相匹配。
处理因语言和地区而异的行业特定术语具有挑战性，但可以通过多种方式解决。
如果内容标注、标签设置规范，我们可通过元数据为 AI 工具提供更丰富的上下文，同时指导 LLM 处理额外需求，例如精准匹配区域差异。Lionbridge 可以通过数据服务支持公司满足这一先决条件。
对于需要根据地方政府或地区进行调整的术语，我们采用 RAG 框架。在 AI 译后编辑环节，则为 LLM 制定指导方针，使其能依据既定语言规则执行特定操作。
我们的解决方案在配置上支持引用外部资料作为补充示例，助力 LLM 生成更贴合特定场景的内容。
这类内容往往会随时间迭代发展，因此维护和更新语言提示词至关重要。正因为如此，我们的 AI 解决方案在设计时便融入人工监督机制，确保全程可控、可优化。
可以，我们的 AI 优先的平台解决方案可适配各类 LLM，不受单一模型限制。虽然它已经使用 OpenAI GPT 模型进行了校准，但我们可以与客户合作，利用他们自己的 LLM 引擎。
这种情况属于自定义配置，可能需要额外的评估/配置以确保 LLM 符合质量标准。
对于这些解决方案，我们建议与我们的解决方案和语言技术团队合作，确保我们精准了解需求、目标和要求。
我们的 AI 译后编辑解决方案具有可配置的语言提示词，可以随着不断变化的内容需求和监管要求而演进。虽然我们提出了 AI 优先流程，但语言提示词的控制和管理仍然由人类（计算语言学家、SME 和语言专家）进行优化和校准。
未经训练的聊天机器人式通用 LLM 在处理语气、内容及细微的文化差异方面存在明显不足。我们的解决方案通过使用可配置的方法来应对这一挑战，该方法为 LLM 提供定义风格、语气和术语的具体说明，以及与原始内容上下文相关的语言指南。通过控制语言参数和提示的配置，我们可以利用 AI 译后编辑来增强翻译流程。
我们的解决方案首先促使 LLM 理解源内容的上下文。我们利用这些上下文信息来指导 LLM 的决策和编辑，并配合术语评估、模糊匹配编辑以及段落级翻译校验等指令，确保 AI 在既定参数范围内运行。同时，我们的方法支持对语言提示词进行持续更新，一旦出现幻觉内容，即可按需调整并纠正问题。
人工测试人员通常是计算语言学家或具有提示词工程经验的语言学家。他们负责 Lionbridge AI 译后编辑解决方案的参数设计、测试和更新。语言专家会对译文进行校验并给出反馈，而这些反馈将用于调整和优化语言提示词和参数。
想了解 Lionbridge 深入探讨过的其他与 AI 相关的网络研讨会主题吗？访问 Lionbridge 网络研讨会页面，查看网络研讨会录音库。
联系我们
准备好利用 AI 后期编辑的强大功能来满足您的翻译和本地化需求了吗？Lionbridge 可以帮助您构建结合自动化、LLM 和人类专业知识的敏捷、可扩展的工作流程。立即联系 Lionbridge，革新内容交付模式，触达全球更多受众 — 以更快效率、更智策略，铸就更强影响力。
注意：这篇回顾博客文章初稿由 Lionbridge Content Remix App 创作，之后由人工进行了润色。
微信扫码咨询
