[AI学术] 大型语言模型在专业术语翻译中的潜力：替代语料库的良好选择？

摘要

专业翻译依赖于文献和术语资源，包括语料库。这些资源在术语翻译方面尤为重要，但其编纂和利用存在多种限制：需要时间、技术技能以及收集数据的访问权限，这些都可能难以获得。本研究探讨了大型语言模型（LLMs）在帮助专业翻译人员从英语翻译成法语时的有效性。

我们评估了四个专有模型：GPT-4o、GPT-5.2、Claude Sonnet 4.5 和 DeepSeek，针对两个专业领域，地球科学、环境科学与行星科学（EEPS）及自然语言处理（NLP）。实验基于每个领域80个术语，并比较了两种提示策略：术语模式和翻译模式。

结果显示模型、提示策略之间存在明显差异，而领域之间的差异则相对较小。在最有利的配置下，Claude Sonnet 4.5 的表现最佳，而 DeepSeek 则因其更大的稳定性而脱颖而出。对置信度估计的分析也表明，这些估计仅是术语准确性的部分指标。

总体而言，研究结果表明，LLMs可以成为专业翻译人员的有用工具，但在现阶段仍无法替代专业语料库。因此，本研究为未来探讨 LLMs 在专业工作和教育环境中的实际应用价值奠定了基础。

博主点评： 本研究展示了大型语言模型在专业术语翻译中的应用潜力，但也提醒我们，尽管其表现优异，仍需依赖传统语料库以确保翻译的准确性和专业性。未来的研究将有助于更好地理解 LLMs 在专业翻译中的实际价值。