5月22日至23日，tcworld China 2025技术传播大会隆重举行。在此次盛会上，新宇智慧副总经理刘海明先生带来了题为《大语言模型在本地化行业的应用》的精彩分享，引发了与会者的广泛关注与深入思考。
大语言模型（LLM）凭借其卓越的语言理解和生成能力，在翻译、内容生成、术语管理、语义QA等多个领域展现出无限潜力，变革的征程已经开启。
尽管AI翻译的价值不言而喻，但在质量方面仍存在挑战。翻译服务需求方担心的问题包括“难以准确传达深层次语义”“对特定领域表达准确性不足”以及“翻译质量难评估”。
为了更好地挖掘和应用大模型的能力，新宇智慧积极开展了一系列应用实践。在不断尝试各种方法的过程中，我们发现RAG（检索增强生成）是一种可以很好地与知识积累相结合的解决方案。RAG通过问题向量检索，从企业知识库匹配相关知识，将这些知识进行整合，再调用大模型，根据提示词生成高质量的回答。将RAG技术融入AI翻译流程，可明显提升所生成译文的质量。
在翻译和本地化行业，翻译记忆库、术语库是天然的RAG数据。除此之外，风格指南、带有描述和分析的例句集，指令性文件也会发挥很大作用。
通过一个具体的例子，我们能看得更清楚。
|
原文 |
Every section of this hotel tells its own story, with a beautiful skylight to illuminate unique features and elements within. |
|
DeepSeek |
酒店的每处空间皆诉说独特故事，华美天窗映衬其间别具一格的特色与设计元素。 |
|
ChatGPT |
酒店的每个区域都在讲述自己的故事，华美的天窗倾洒光芒，照亮其独具匠心的特色和元素。 |
|
建议 |
透过美丽的天窗，阳光照亮一处处独具匠心的设计与精心搭配的元素，转角精品酒店的每一处细节，仿佛都在讲述一个精彩的故事。 |
我们知道，理解一句话含义的关键在于抓住语义重心。语义重心是语言交际最重要的部分，通常落在结果、结论或事实上。不言而喻，在这句话中，英文原文的语义重心是hotel tells its own story。在翻译实践中，英汉句子组织存在差异，英语句首封闭，句尾开放，后置修饰功能强，汉语句首开放，句尾封闭，前置修饰功能强。英语逻辑顺序多为归纳演绎，即按果因、结论陈述展开，而汉语逻辑顺序往往按时间的从先到后、空间的从大到小、从一般到具体、从因到果。在语义重心上，英语一般采用前重心位，汉语一般采用后重心位。显而易见，AI翻译确实把字面的含义翻译出来了，但是在句子组织、信息传递、情感传递方面，AI翻译并不足够。
如果我们能够把AI没有意识到的上述问题总结出来，并且以RAG形式告诉AI，那么离解决这样的问题一定是更近了一步。针对英汉差异，新宇智慧在实际项目过程中不断积累典型例句，并对例句做了分析整理与分类，形成了内部培训教程和知识库。
上面的例句与英汉语义重心相关，除此之外，新宇智慧还总结了汉语无主句、英译汉代词省略、英译汉连词省略、英汉词汇语义差异、欧式中文、中式英语、主谓结构与话评结构等很多英汉差异相关的知识主题。
英汉差异仅仅是本地化适配中的一个部分。LISA（Localization Industry Standards Association）曾指出四大类本地化适配的关键问题，包括语言问题，如不同语言间的差异，格数性、固定搭配等；物理硬件问题，如不同的插头标准；商业与文化问题，如本地货币支持及税务合规；技术问题，如阿拉伯和希伯来语镜像。
在LISA这四类问题的基础上，新宇智慧按思维方式、实体、地域特征、社会价值观、社会风俗习惯、宗教和历史原因、法律因素、民族因素八大类细分六十三个小类来总结文化适配问题。比如在法律因素这个大类中，包含出边境线、国家/地区名称、地图、旗帜、法规（如禁用词、游戏分级、新广告法）五个小类。所以这些被清晰识别的问题，都可以很好地应用于RAG。
技术的发展从来都不是一蹴而就的，它遵循着从无到有、从有到优的渐进规律。尽管存在诸多问题，但在当前阶段，AI在本地化行业已经展现出了实实在在的应用意义。
展望未来，随着技术的不断进步和创新，大语言模型在本地化行业的应用前景将更加广阔。新宇智慧也将继续深耕这一领域，不断探索和实践，为推动本地化行业的智能化发展贡献更多的智慧和力量。
