跳转到主要内容

部分翻译（人工 + 机器）

核心思想： 手工翻译一个具有代表性的样本，证明你的机器方法与人工风格相匹配，然后自动翻译剩余的大量内容。结合了人工质量与机器规模——人工设定标准，机器跟随执行。

:::info 这是一份指南，不是完整实现 本指南概述了混合人工-机器工作流程。特别适用于翻译机构、社区语言工作者和教育环境。 :::

何时使用此方法​

  • 你能接触到流利的使用者，但他们的时间有限
  • 你需要翻译大量内容，但只有一小部分需要完美质量
  • 你想建立质量基线（通过人工翻译），然后用机器翻译扩展
  • 你在教育或社区环境中工作，其中对子集的人工审查是可行的

工作原理​

[Full corpus: 1,000 entries]
        │
        ├── [100 entries] ──→ Human translator ──→ Gold translations
        │                                              │
        │                                              ▼
        │                                    Train / prompt machine
        │                                    method to match style
        │                                              │
        └── [900 entries] ──→ Machine method ──→ Auto translations
                                                       │
                                                       ▼
                                              [Optional: human review
                                               of flagged entries]
  1. 选择具有代表性的样本 — 涵盖不同的句子类型、长度和主题
  2. 人工翻译样本 — 建立风格、语域和术语的黄金标准
  3. 配置你的机器方法 — 使用人工翻译作为指导数据、少样本示例或微调数据
  4. 在人工样本上评分机器翻译 — 机器是否与人工风格相匹配？
  5. 自动翻译其余部分 — 如果机器在样本上的质量可接受
  6. 可选的人工审查 — 标记低置信度输出供使用者审查

质量保证：风格匹配测试​

# Translate the human-translated sample with your machine method
python eval/baseline_experiment.py \
  --dataset data/human-sample.json \
  --condition coached-v3

# Compare: does the machine match the human translator's choices?
# Look at: chrF++ (similarity), FST acceptance (validity),
# and qualitative patterns (register, formality, terminology)

选择样本​

覆盖分布。 你的 100 条条目应包括：

  • 短语（1–3 个词）和完整句子
  • 常用词汇和领域特定术语
  • 简单结构和复杂结构
  • 多种语法特征（疑问句、祈使句、条件句）

不要只挑简单的。 样本必须包括你的方法可能难以处理的条目——这正是人工质量最重要的地方。

社区审查工作流程​

对于土著语言社区，这种方法尊重使用者的时间：

  1. 使用者翻译 50–100 条条目（2–4 小时的集中工作）
  2. 机器翻译剩余的 900 条，使用使用者的工作作为指导数据
  3. 使用者审查标记的条目 — 仅审查机器置信度最低的条目（另外 1–2 小时）
  4. 结果： 1,000 条接近人工质量的翻译，仅需约 5 小时的使用者时间，而不是约 50 小时

优缺点​

✅ 结合人工质量与机器规模❌ 需要初始人工投入
✅ 尊重有限的使用者可用性❌ 机器可能无法捕捉所有风格细微差别
✅ 自然的质量保证工作流程❌ 样本选择影响整体质量
✅ 适合社区/教育环境❌ 标记条目的人工审查瓶颈

配合使用​

另见​