大语言模型辅助翻译中译后编辑的认知过程与质量评估研究 .docxVIP

  • 1
  • 0
  • 约1.47万字
  • 约 20页
  • 2026-11-17 发布于北京
  • 举报

大语言模型辅助翻译中译后编辑的认知过程与质量评估研究 .docx

PAGE2

大语言模型辅助翻译中译后编辑的认知过程与质量评估研究

摘要

大语言模型(LLM)的介入深刻改变了翻译生产范式,译者的核心任务从传统的文本生成转向了以译后编辑为主的认知加工。本文聚焦大语言模型辅助翻译中的译后编辑认知过程与翻译质量评估方法,旨在揭示人机协同环境下的认知规律并构建适配的质量评估框架。

全文遵循“提出问题→分析问题→解决问题”的递进逻辑。第一章与第二章梳理了研究背景与文献,指出当前研究在LLM语境下认知负荷演变及质量评估标准上的不足。第三章界定了核心概念并构建了理论基础。

第四章与第五章为理论解析核心,深入剖析了译后编辑认知加工的生成脉络、内在矛盾及作用机制,揭示了注意力分配、认知负荷与编辑效能间的深层逻辑。第六章基于前述分析,重构了包含认知效度与语义保真度双维度的理论评估框架,论证了其解释力。

第七章至第八章总结研究结论,提炼理论贡献与实践启示,并反思研究局限。本文主体在于认知机制的理论阐释与质量评估框架的重构,为翻译学在人工智能时代的理论深化提供了新视域。

第一章绪论

1.1研究背景

随着人工智能技术的飞速发展,大语言模型在翻译领域的应用已从辅助工具演变为核心生产力。传统的翻译流程正被“机器翻译+译后编辑”模式所取代,甚至在LLM的加持下演变为“提示工程+生成式翻译+交互式编辑”的新范式。

这种社会现实背景催生了翻译生产力的跃升,但也带来了深层的

文档评论(0)

1亿VIP精品文档

相关文档