11:28
官方账号arXiv cs.AI@Yiming Wang, Jiayuan Di
推荐理由：这篇论文用《红楼梦》测了LLM翻译文化内容的能力，结果发现GPT-4也不好使，连人工打分都吵起来了。适合关注翻译质量的人看。
翻译评估
共 1 条相关 AI 资讯
7月23日
11:28
本研究系统评估了大型语言模型（LLM）在文化负载翻译中的表现。使用《红楼梦》构建了500条中-日双语数据集，覆盖多种文化类别。发现前沿LLM对文化负载内容存在显著性能差距。人工评估中，不同文化背景的评估者导致明显分歧。常用自动评估指标如BLEU无法可靠评估翻译质量。