AI 翻译怎么验收?别让「感觉翻得不错」决定上线
翻译验收最常见的失败是拿几段样例人工读一遍就签字。本文给出五维评分表、分层抽样方案、必须设硬门槛的三类错误,以及怎么把标准写进供应商合同。
翻译项目上线前几乎都会遇到同一幕:有人贴出三五个句子说「感觉不错」,然后签字。上线后客服收到投诉,回头查才发现术语不一致、数字单位错、文化语境错——全在那几段样例之外。问题不是模型不行,是验收方法不行。
一、五个维度,别只看通顺
准确性:信息完整、无增删、数字与单位正确。 术语一致性:同一术语始终同一译法,遵守术语表。 流畅性:目标语言自然,无源语言语序残留。 语境适配:语气匹配场景(法律合同与营销文案差别极大)。 格式保真:占位符、标签、链接、换行原样保留。
后两个最容易被跳过,也最容易造成线上事故:占位符丢失直接让页面报错,语气失配让品牌调性崩塌。
二、三类错误必须零容忍
- 数字、日期、货币、单位错误 —— 法律与合规风险
- 否定或条件丢失 —— 「不得」翻成「可以」,后果不可逆
- 占位符、标签、变量破坏 —— 直接功能故障
验收规则写成:出现任一类错误即整批不通过,不论平均分多高。这条比任何评分都有用。
三、抽样按文本类型分层
不要整体随机抽。按类型分层,每层至少修 30 条:短文本(按钮、提示语)重点看一致性;长文档(说明书、合同)重点看准确性;营销内容重点看流畅性与文化适配;技术内容重点看术语与格式。
经验上 AI 翻译的问题分布很不均匀:长文档的准确性和营销内容的语气是两大重灾区,而短 UI 文案通常问题最小。
四、评分要有锚点
每维度 1~5 分,给出锚点描述,例如准确性:5 分全部信息保留;4 分有 1 处轻微漏译;3 分有信息损失但不致误解;2 分存在可能导致误解的错译;1 分关键信息缺失。
有锚点才能减少评分者主观漂移。两人独立打分后比对,分歧超过 1 分的条目复议——这步能让标准真正对齐。
五、比事后验收更有用的前置约束
发现问题后,大部分修正不该靠逐条改,而该靠前置:
- 术语表:固定译法并在 prompt 中显式给出,术语不一致能减少大半
- 上下文:给整段或整章而非单句,孤立句子最容易译错代词和语气
- 风格指南:明确人称、正式程度、禁用表达
这三样做扎实,验收通过率显著提升,而且不需要换模型。
六、写进合同
对外包或平台选型,合同应包含:三类硬门槛错误的定义与处理方式(重做/扣款);每批次抽检比例与验收周期;术语表由谁维护及变更流程;模型或服务升级时的重新验收条款——这一条常被忽略,而升级后质量可能变化。
结语
翻译质量的争论之所以吵不清,是因为没有把质量拆成可打分的维度。拆开之后会发现,大部分问题不是「AI 不行」,而是术语没管、上下文没给、门槛没设。验收表的价值不只是卡住上线,更在于让下一批质量变好。