Machine translation of modern Chinese poetry into Japanese: A comparative evaluation of LLMs, neural machine translation systems, and prompt strategies

语言是一个广袤而变幻莫测的景观，其意义不仅承载于文字，更蕴含于节奏、留白以及特定短语的分量之中。几十年来，计算机一直在学习这种景观，从僵化的基于规则的系统，演进到模仿人类大脑寻找模式能力的神经网络。这些现代系统被称为神经机器翻译，它们在将新闻文章或技术手册从一种语言转换为另一种语言方面已变得异常出色，能够高精度地捕捉事实。最近，一种被称为大语言模型的新一代人工智能进入了这一领域。与那些专门用于翻译的前辈不同，这些模型是通用的思考者，能够遵循复杂的指令并理解语境，其方式更接近于对话。它们有望处理机器通常难以应对的那些混乱且具创造性的语言部分。但诗歌仍然是终极的考验。诗歌不仅仅是要被解码的信息；它是一种建立在意象、文化细微差别以及言外之意与言内之意之间微妙平衡之上的体验。翻译一首诗要求计算机做的不仅仅是词汇的替换；它必须重构一种感受。这提出了一个困难的问题：这些新的、具有对话能力的机器真的能比我们日常使用的既定工具更好地翻译诗歌吗？而且，我们要求它们工作的方式是否会改变结果？

为了找出答案，研究人员决定通过现代中国诗歌来比较这些不同系统的表现，这一体裁以意象浓缩和情感深邃而著称。他们选择了一组由当代诗人余秀华创作的十二首特定诗作，以确保文本是新鲜的，且此前未被机器或人工翻译过。研究团队将两种最流行的在线翻译服务（依赖于标准神经网络）与两种领先的大语言模型进行了对垒。为了观察给机器的指令是否重要，他们在两种不同的条件下测试了大语言模型。在第一种情景中，他们向模型下达了一个简单、直接的翻译指令。在第二种情景中，他们要求模型在尝试翻译之前，先详细解释诗歌的含义，这一策略旨在强迫机器在生成文字之前理解语境。随后，生成的译文由八位中日文学专家组成的评审小组进行评估。专家们不仅根据意义是否正确进行评分，还根据译文的流畅度、是否听起来像真正的诗歌，以及有多少“机器感”来进行评价。

结果显示，新型的指令遵循型模型具有明显的优势。在接受简单的翻译指令时，大语言模型生成的版本在忠实于原意、日语流畅度以及贴近原诗风格方面，都显著优于标准的在线翻译工具。标准工具生成的译文往往语法正确，但感觉平淡，失去了文字的节奏感和特定的文化分量。然而，大语言模型似乎能将诗歌作为一个整体单元来把握，保留了使诗歌产生共鸣的张力和意象。例如，当标准翻译器可能将一个仪式性的短语转化为对速度的字面描述时，大语言模型却能保持一种庄严指令的感觉，捕捉到原诗的精神基调。它们也表现出更少的计算机生成迹象，避免了经常暴露机器翻译特征的僵硬句式。

然而，当研究人员改变指令时，故事变得更加复杂了。即“给予机器更多语境——要求它先解释诗歌”总能带来更好翻译的观点被证明是错误的。这种“先解释后翻译”策略的效果完全取决于所使用的具体模型。对于其中一个大语言模型而言，增加解释步骤反而让翻译变差了。生成的诗歌变得过于直白，失去了神秘感和诗意的压缩感，仿佛机器过度分析了文本，从而剥离了它的灵魂。而对于另一个模型，同样的策略却是成功的；解释步骤帮助它理顺了思路，从而带来了更连贯、风格更强的译文。这表明，对于这些机器，并没有一种单一的“最佳”提示方式。一种系统适用的方法可能会阻碍另一种系统，这取决于该特定系统处理信息的方式。

最令人惊讶的发现或许是，当研究人员在给予两个大语言模型相同的“先解释后翻译”详细指令后，观察到了什么。在这些特定条件下，两个模型之间的表现差距消失了。虽然它们最初可能拥有不同的优势和弱点，但共同的指令引导它们达到了相似的质量水平。它们在准确性、流畅度和风格方面产生的译文在统计学上是无法区分的。这表明，我们要求机器如何工作，与机器本身一样重要。在诗歌翻译领域，模型的内部设计与人类的提示词之间的相互作用构成了最终的结果。这项研究得出结论：我们不能仅仅挑选最强大的人工智能，就期望它能完美地处理文学。相反，用机器翻译诗歌是工具与指令之间一场微妙的协商，目标在于找到那套特定的组合，让机器能够退后一步，让诗歌自由呼吸。