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。
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。
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。
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。
