摘要：在AIGC技術(shù)浪潮的強勁驅(qū)動下，翻譯行業(yè)正步入一個史無前例的轉(zhuǎn)型階段，計算機輔助翻譯領(lǐng)域亦迎來了前所未有的發(fā)展機遇與復(fù)雜挑戰(zhàn)。恰逢中法建交六十周年這一歷史性時刻，該文依托在西南地區(qū)開展的《關(guān)于漢法機輔翻譯工具使用情況的調(diào)研問卷》的深度分析成果，借助DeepL與ChatGPT兩種廣受關(guān)注的計算機輔助翻譯工具，結(jié)合政治外交文本的具體翻譯案例與譯后編輯實踐，系統(tǒng)性地歸納總結(jié)了機輔漢法翻譯過程中頻繁出現(xiàn)的錯誤類型，涉及內(nèi)容與格式兩個方面。在此基礎(chǔ)上，該文進一步提出了切實可行的譯后編輯優(yōu)化策略，旨在探索并構(gòu)建一種新型的人機協(xié)同翻譯模式。此研究不僅為當(dāng)前翻譯實踐模式的革新提供了理論支撐與實踐指導(dǎo)，更為未來翻譯行業(yè)的發(fā)展開辟了新視野與新路徑。

關(guān)鍵詞：AIGC；計算機輔助翻譯；漢法翻譯；政治外交文本；譯后編輯；對策研究

中圖分類號：H315.9 文獻標(biāo)識碼：A 文章編號：2096-4110（2024）11（a）-0029-06

Research on Post-editing Problems and Countermeasures of Chinese-French Computer-Aided Translation in the Context of AIGC

ZHAO Xiaofan， LI Wenli

（Leshan Normal University， Leshan Sichuan， 614000， China）

Abstract： Driven by the strong wave of AIGC technology， the translation industry is stepping into an unprecedented transformation stage， and the field of Computer-Aided Translation has also ushered in new development opportunities and complex challenges. Coinciding with the 60th anniversary of the establishment of diplomatic relations between China and France， based on the results of THE QUESTIONNAIRE ON THE USE OF CHINESE-FRENCH COMPUTER-AIDED TRANSLATION TOOLS in Southwest China， and with the help of the two popular Computer-Aided Translation tools DeepL and ChatGPT， and in combination with the specific translation cases of political-diplomatic texts and the post-editing practice， this study systematically summarizes the types of common errors in the process of Chinese-French Computer-Aided Translation， which involves both the content and format. On this basis， this study further proposes practical post-editing optimization strategies， aiming at exploring and constructing a new type of human-computer collaborative translation mode. This study not only provides theoretical support and practical guidance for the innovation of the current translation practice mode， but also opens up new horizons and paths for the development of the translation industry in the future.

Key words： AIGC; Computer-Aided Translation; Chinese-French translation; Political-diplomatic texts; Post-editing; Countermeasure research

數(shù)字化與人工智能的快速發(fā)展給翻譯行業(yè)帶來深刻變革，為計算機輔助翻譯領(lǐng)域帶來了新的機遇與挑戰(zhàn)。我國相繼發(fā)布了《國家信息化發(fā)展戰(zhàn)略綱要》（2016）、《新文科建設(shè)宣言》（2020）、《提升全民數(shù)字素養(yǎng)與技能行動綱要》（2021）等文件，不僅強調(diào)了技術(shù)創(chuàng)新在加強文化交流、提升國家軟實力方面的核心地位，亦為計算機輔助翻譯的研究與發(fā)展指明了方向。2023年10月召開的全國宣傳思想文化工作會議正式提出了習(xí)近平文化思想[1]，強調(diào)要著力加強國際傳播能力建設(shè)、促進文明交流互鑒，為新時代的國際傳播工作賦予了新的使命。2024年正值中法建交六十周年，機輔漢法翻譯研究對于增進兩國理解，促進國際傳播，加強跨文化交流和政治、經(jīng)濟合作具有劃時代意義。

AIGC賦能下的機輔翻譯工具，如DeepL、ChatGPT等，顯著提升了翻譯效率。然而，由于術(shù)語庫資源相對匱乏，機輔翻譯在語義精準(zhǔn)度與表達自然性上仍存在一定的局限，譯文質(zhì)量與水平仍有待提高，尚達不到完全替代譯員的程度[2]。鑒于此，本文聚焦機輔漢法翻譯中政治外交文本的錯誤類型，通過案例分析與譯后編輯實踐，提出切實可行的譯后編輯策略，探索人機協(xié)同的新型翻譯工作模式，以推動機輔翻譯在漢法翻譯領(lǐng)域的深入應(yīng)用與高質(zhì)量發(fā)展。

1 AIGC背景下的機輔漢法翻譯概述

1.1 AIGC的起源與發(fā)展

人工智能是計算機科學(xué)的一個分支，是研究開發(fā)用于模擬、延伸和擴展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)[3]。AIGC，作為人工智能的重要分支，指利用人工智能技術(shù)，通過已有數(shù)據(jù)模型尋找規(guī)律，并進行適當(dāng)?shù)姆夯芰ι上嚓P(guān)內(nèi)容[4]。2017年，Transformer架構(gòu)的問世將AIGC推向新高度，特別是OpenAI發(fā)布的GPT系列模型，以其卓越的文本生成能力，在對話系統(tǒng)、文本創(chuàng)作及機輔翻譯等領(lǐng)域展現(xiàn)出巨大潛力，引發(fā)了全球?qū)IGC技術(shù)與應(yīng)用的廣泛關(guān)注。

隨著算法進步和大規(guī)模數(shù)據(jù)集的應(yīng)用，AIGC技術(shù)發(fā)展迅猛，在全球范圍內(nèi)掀起了AIGC模型互動模式的研究熱潮。AIGC技術(shù)在翻譯領(lǐng)域的應(yīng)用日益廣泛，涵蓋計算機輔助翻譯、跨模態(tài)翻譯及定制化翻譯等多個方面，深刻改變了翻譯行業(yè)的實踐路徑與研究方向。

1.2 計算機輔助翻譯的內(nèi)涵與特征

計算機輔助翻譯是翻譯人員借助計算機輔助翻譯技術(shù)或工具進行的一種翻譯模式[5]，具有高效快速的特點。根據(jù)中國翻譯協(xié)會發(fā)布的《2024中國翻譯行業(yè)發(fā)展報告》，在參與調(diào)研的翻譯企業(yè)中，52.90%的項目使用了機輔翻譯[6]。在大規(guī)模翻譯項目中，機輔翻譯的應(yīng)用有效提升了翻譯質(zhì)量和效率。根據(jù)中國外文局翻譯院智能翻譯實驗室發(fā)布的《關(guān)于計算機輔助翻譯使用情況的調(diào)研問卷》的研究結(jié)果顯示，超95.00%的受訪翻譯企業(yè)管理者認為，機輔翻譯軟件對企業(yè)收益增長幫助較大[7]。通過研究機輔翻譯，推動翻譯行業(yè)數(shù)字化、智能化升級，符合時代潮流和客觀需要。

在術(shù)語庫和翻譯記憶庫的支持下，機輔翻譯能夠基本保障譯文質(zhì)量的可控性與術(shù)語的一致性。此外，它還具有較強的協(xié)同性，便于翻譯、編輯和校對等環(huán)節(jié)的團隊協(xié)作，尤其在應(yīng)對大規(guī)模翻譯任務(wù)時，能夠有效減輕譯員的重復(fù)勞動。然而，機輔翻譯的語言理解與創(chuàng)造力欠缺，無法達到人類智能語言的層級，難以靈活處理復(fù)雜語境以傳達原文情感。

1.3 機輔漢法翻譯工具的應(yīng)用現(xiàn)狀

針對機輔翻譯工具在漢法翻譯中語義精準(zhǔn)度和表達自然性不足等問題，本團隊設(shè)計了《關(guān)于漢法機輔翻譯工具使用情況的調(diào)研問卷》，并面向西南地區(qū)法語學(xué)習(xí)者與從業(yè)者開展問卷調(diào)查，共回收有效問卷126份，其中，74.13%為法語專業(yè)學(xué)生，其余為法語教師和翻譯從業(yè)者。

調(diào)查結(jié)果顯示，法語助手、有道翻譯、百度翻譯、DeepL和ChatGPT等機輔翻譯工具被廣泛使用，主要應(yīng)用于學(xué)術(shù)研究、日常交流、新聞閱讀等多個領(lǐng)域，顯著提升了翻譯效率，減輕了工作負擔(dān)。受訪者中，有42.06%的人每日使用機輔翻譯工具，有38.89%的人每周使用未超5次，13.49%的人僅在特定場合下使用。面對機輔翻譯工具在復(fù)雜句式處理、術(shù)語精準(zhǔn)度和文化內(nèi)涵傳達等方面的缺陷，67.46%的受訪者表示在初譯后，需花費較長時間進行校對和修改。受訪者期望機輔翻譯工具能夠提升專業(yè)術(shù)語翻譯的準(zhǔn)確度和上下文理解能力，提供更多的文化背景參考，并改進語法處理能力。同時，調(diào)查結(jié)果也反映出受訪者對于隱私保護、國家安全和知識產(chǎn)權(quán)的重視。雖然機輔翻譯能基本滿足譯者需要，譯文的可用性逐漸得到行業(yè)認可，但當(dāng)下人工智能和機輔翻譯都還處在發(fā)展的初級階段[8]，機輔翻譯在情感表達、意圖理解和意境營造等方面仍存不足，需大量的人工編輯和譯后調(diào)整，方達“知情意”的國際傳播要求。

2 機輔漢法翻譯實例分析

鑒于中法語言特性及文化差異，機輔翻譯在應(yīng)用中常因語料庫資源匱乏、語境處理困難而導(dǎo)致語意割裂、文化內(nèi)涵誤傳等問題。2024年，正值中法建交六十周年，《費加羅報》發(fā)表的《傳承中法建交精神 共促世界和平發(fā)展》一文生動展現(xiàn)了中法兩國深厚的歷史淵源與文明交流互鑒的豐碩成果，堪為政治外交文本研究范例。DeepL與ChatGPT作為當(dāng)前應(yīng)用最廣泛的機輔翻譯工具，分別代表了傳統(tǒng)機器翻譯技術(shù)和新興人工智能對話模型，二者在處理復(fù)雜語境時具有典型性。鑒于此，為有效提升機輔翻譯的精準(zhǔn)度，促進中國文化的國際傳播與交流，本文以《傳承中法建交精神 共促世界和平發(fā)展》為例，依托DeepL與ChatGPT，從內(nèi)容精準(zhǔn)度與格式規(guī)范性兩個維度，深入剖析機輔翻譯的常見問題，旨在探索其在政治外交文本翻譯中的實際應(yīng)用效果及改進路徑。

2.1 內(nèi)容層面

2.1.1 范疇詞多譯

范疇詞指表示行為、現(xiàn)象、屬性等概念所屬領(lǐng)域的名詞[9]，常用于標(biāo)示事物的類別或?qū)傩?。它們大多無實際意義，但并非“廢詞”，能夠使句子更加流暢，刪除后會影響語感。作為漢語特有的表達手段，范疇詞的廣泛性和抽象性在機輔翻譯中常導(dǎo)致詞匯冗余或語義缺失等問題。常見的名詞性范疇詞有態(tài)度、情況等，而動詞性范疇詞常以“在……背景下”“解決……問題”等搭配形式出現(xiàn)。

例1：

原文：在冷戰(zhàn)正酣的背景下

DeepL：dans le contexte de la guerre froide en cours

ChatGPT：dans un contexte de Guerre froide où les tensions étaient vives

官方譯文：en pleine guerre froide

對于“在……背景下”這一范疇詞，DeepL和ChatGPT均因采用直譯法，造成詞匯冗余。官方譯文則巧妙地省略了這一范疇詞，將翻譯重點放在“冷戰(zhàn)正酣”上，強調(diào)統(tǒng)一性與整體性，簡潔準(zhǔn)確地傳達了原意。

2.1.2 時政新詞核心詞義模糊

隨著新時代中國特色社會主義實踐的不斷深化，時政新詞層出不窮，然而因機輔翻譯庫的文化背景參考不足，往往無法理解時政新詞的核心概念和關(guān)鍵要素，難以傳達其核心詞義。

例2：

原文：新質(zhì)生產(chǎn)力

DeepL：une nouvelle productivité de qualité

ChatGPT：de nouvelles forces productives

官方譯文：des forces productives de nouvelle qualité

“新質(zhì)生產(chǎn)力”是在2023年提出的一個新概念。其核心在于“生產(chǎn)力”，特點是創(chuàng)新，關(guān)鍵在質(zhì)優(yōu)。ChatGPT直接忽視了“質(zhì)量”這一關(guān)鍵要素，DeepL的譯文雖涉及“新質(zhì)”，卻未能準(zhǔn)確傳達“生產(chǎn)力”與“新質(zhì)”之間的內(nèi)在聯(lián)系。

2.1.3 動賓搭配不當(dāng)

機輔翻譯在處理復(fù)雜的動賓搭配時，容易片面地理解動賓關(guān)系，導(dǎo)致內(nèi)涵缺失、語義狹窄等現(xiàn)象，使讀者對原文產(chǎn)生偏差或混淆，造成信息傳遞不準(zhǔn)確。

例3：

原文：傳承中法建交精神

DeepL：transmettre l’esprit des relations diplomatiques entre la Chine et la France

ChatGPT：poursuivre l’esprit de l’établissement des relations diplomatiques sino-fran?aises

官方譯文：faire rayonner l’esprit présidant à l’établissement des relations diplomatiques entre la Chine et la France

“傳承”指將前輩累積的經(jīng)驗與智慧系統(tǒng)性地傳授與承接，并在此基礎(chǔ)上進行發(fā)揚與創(chuàng)新。DeepL從物理角度考量，選用了“傳遞”作為動詞，該詞常搭配實物為賓語，而此處的賓語卻是抽象的精神遺產(chǎn)，導(dǎo)致動詞與賓語搭配不當(dāng)。ChatGPT選用“延續(xù)”一詞，雖在動賓搭配上更顯貼切，卻未充分捕捉原文強調(diào)的“發(fā)揚”這一精神實質(zhì)的深層意蘊，在一定程度上削弱了信息傳播的效果。

2.1.4 動詞時態(tài)使用不當(dāng)

漢語缺乏法語所特有的時態(tài)體系，即漢語動詞無法借助自身的形態(tài)變化來明確時間概念。因此，機輔漢法翻譯難以僅憑動詞的形態(tài)直接判定句子的時態(tài)特征。相反，它必須依賴于時間助詞、時間短語或上下文語境來解析和提取時間信息。這一機制常導(dǎo)致其時態(tài)識別與表達混亂，影響翻譯的準(zhǔn)確性和流暢性。

例4：

原文：2023年中國經(jīng)濟增長5.2%，2024年的目標(biāo)是5%左右。

DeepL：L’économie chinoise conna?tra une croissance de 5，2 % en 2023， avec un objectif d’environ 5% en 2024

ChatGPT：En 2023， la croissance économique de la Chine a été de 5，2 %， et l’objectif pour 2024 est d’environ 5 %，

官方譯文：Son économie a enregistré une croissance de 5，2% en 2023 et vise pour 2024 une croissance d’environ 5%，

原文前半句描述的是2023年已經(jīng)發(fā)生的經(jīng)濟增長數(shù)據(jù)，后半句是2024年的目標(biāo)預(yù)期，因此在進行翻譯時，前半句應(yīng)使用過去時態(tài)，后半句則需使用現(xiàn)在時。DeepL前后兩句均使用簡單將來時，與原文時態(tài)不符。ChatGPT的譯文則基本符合原文時態(tài)。

2.1.5 古籍用語的句意割裂

全球化背景下，中國古籍用語在國際交流中的應(yīng)用日益增多。中華五千年文明綿延不絕，古籍用語，如典故、成語、詩詞等，蘊含豐富的文化歷史信息，在法語中無完全對應(yīng)的詞匯。因此，機輔翻譯多傾向于字面翻譯，忽視原文深層的文化內(nèi)涵，導(dǎo)致譯文句意割裂、語義破碎、生澀難懂，且難以兼顧語言格式的工整性和美學(xué)性。

例5：

原文：“君子和而不流，強哉矯；中立而不倚，強哉矯”。

DeepL："Un gentleman est fort en harmonie mais pas en flux; il est fort en neutralité mais pas en penchant".

ChatGPT："Un gentilhomme est harmonieux sans se prostituer， quelle force ！Il est impartial sans se pen- cher d’un c?té， quelle force ！"

官方譯文：Le sage cultive l’harmonie dans la diversité et se tient dans le juste milieu sans incliner d’un c?té ou de l’autre. Que sa fermeté est courageuse ！

DeepL將“和而不流”直譯為“不在流動之中”，未能傳達君子和諧而不隨波逐流之意，造成句意割裂。ChatGPT則譯為“不出賣自己”，與原文意思大相徑庭。對于“中立而不倚”，機翻譯文生硬，未能流暢表達“不偏不倚”之意。盡管二者在語言格式工整性方面表現(xiàn)良好，但在傳達文化內(nèi)涵和準(zhǔn)確性上仍有待改進。

2.1.6 隱喻修辭冗長

在政治外交文本中，隱喻修辭尤為常見，多借助“是”“成”等詞，通過直接將本體說成喻體，或通過喻體來暗示本體，將某一事物比擬成與其相似的另一事物，巧妙有力地表達政治立場、傳遞政治信息。然而，機輔翻譯常因忽視語境而硬譯或直譯，導(dǎo)致譯文冗長，影響信息的精準(zhǔn)傳達。

例6：

原文：中國是和平共處五項原則的忠實實踐者。

DeepL：La Chine est un fidèle praticien des cinq principes de la coexistence pacifique.

ChatGPT：La Chine est un défenseur loyal et praticien des cinq principes de coexistence pacifique.

官方譯文：La Chine applique fidèlement les Cinq Principes de la Coexistence pacifique.

例6中，“中國”是本體，“忠實實踐者”是喻體，強調(diào)中國堅定執(zhí)行和遵循和平共處五項原則。DeepL和ChatGPT均選擇直譯，保留了“忠實實踐者”的表述，導(dǎo)致譯文冗長，不符合法語表達習(xí)慣。官方譯文則摒棄了暗喻形式，改用意譯法，調(diào)整句式結(jié)構(gòu)，強調(diào)中國對原則的忠實執(zhí)行，更加簡潔自然，貼近法語表達習(xí)慣。

2.1.7 重大歷史時間節(jié)點直譯

政治外交文本中常提及某些具有里程碑意義的歷史事件及其時間，這些時間節(jié)點承載著深遠的歷史意蘊和政治象征價值。然而，機輔翻譯在處理此類文本時，由于缺乏對相應(yīng)文化背景的深刻理解，傾向于采用機械的直譯法，嚴(yán)重削弱了政治外交信息的傳播效果和戰(zhàn)略影響力。

例7：

原文：70年前，周恩來總理首次完整提出……和平共處五項原則。

DeepL：Il y a 70 ans， le premier ministre Zhou Enlai a présenté pour la première fois les cinq principes de la coexistence pacifique.

ChatGPT：Il y a 70 ans， le Premier ministre Zhou Enlai a présenté pour la première fois de manière complète les Cinq Principes de la Coexistence Pacifique.

官方譯文：En 1954， le Premier Ministre Zhou Enlai a avancés les Cinq Principes de la Coexistence pacifique pour la première fois.

DeepL和ChatGPT在處理“70年”這一表述時，未能準(zhǔn)確識別出該表述指向一個具有特定背景的歷史事件，僅將其字面化地譯為“數(shù)字+年”的形式。官方譯文則根據(jù)上下文語境選擇將其轉(zhuǎn)譯為“1954年”，準(zhǔn)確還原了歷史指涉，有效提升了中國在國際舞臺上的影響力，增強了政治外交文本的權(quán)威性。

2.2 格式層面

2.2.1 大小寫混淆

機輔翻譯在處理包含人名、身份、組織名、地名等專有名詞時，常暴露出大小寫使用不規(guī)范、普通名詞與專有名詞混用等問題，影響譯文的準(zhǔn)確性和流暢性。

例8：

原文：戴高樂將軍

DeepL：le général de Gaulle

ChatGPT：le général de Gaulle

官方譯文：le Général de Gaulle

DeepL和ChatGPT的翻譯內(nèi)容基本正確，但將“將軍”的首字母小寫，未遵循專有名詞大寫的規(guī)范。這種翻譯方式在非正式語境中較為常見，但在外交場合等正式莊重的場合，表示職位或頭銜的名詞通常需要大寫，以突出其正式性和重要性。

2.2.2 標(biāo)點符號使用不當(dāng)

法語中的標(biāo)點符號與中文并非一一對應(yīng)，如法語引號“??”常用于直接引語或表示強調(diào)，中文的書名號“《》”雖與之形式相似，卻主要用于標(biāo)示書籍、文章等出版物。機輔翻譯在處理特定語境下的標(biāo)點符號時，因缺乏對人類語言深層次理解和語境感知的能力，往往難以準(zhǔn)確把握標(biāo)點符號在原文中的確切含義和用法，常導(dǎo)致標(biāo)點直譯、多譯、錯譯，影響翻譯質(zhì)量。

例9：

原文：“昆明—蒙特利爾全球生物多樣性框架”

DeepL：le Cadre mondial pour la biodiversité Kunming-Montréal

ChatGPT：le Cadre mondial de la biodiversité Kunming-Montréal

官方譯文：le Cadre mondial de la biodiversité de Kunming-Montréal

“昆明—蒙特利爾全球生物多樣性框架”是一項國際協(xié)議。DeepL未能恰當(dāng)使用介詞來連接限定成分，ChatGPT的譯文則存在標(biāo)點符號的過度使用問題，誤用法語引號，這不僅與法語的書寫習(xí)慣不符，也會引起讀者的困惑。

2.2.3 文體排版不規(guī)范

政治外交文本在排版上有特定格式要求，如標(biāo)題、段落、引用等。然而，機輔翻譯難以保持原文的排版格式，如標(biāo)題未大寫、段落換行錯誤等，使譯文在視覺上顯得雜亂無章，影響譯文的可讀性。

3 機輔翻譯的譯后編輯策略

基于機輔翻譯實踐與研究，本文提煉出5條譯后編輯準(zhǔn)則，既充分發(fā)揮了機輔翻譯技術(shù)在提升翻譯效率與保障譯文質(zhì)量方面的獨特優(yōu)勢，還深度融合了譯者的主體性作用，倡導(dǎo)在人機協(xié)作中不斷探索和優(yōu)化翻譯模式，以確保譯文精準(zhǔn)、流暢地傳達原文的意圖與情感。

3.1 人機互譯，協(xié)同高效

機輔翻譯便捷高效，譯者深諳中法文體風(fēng)格差異及其語法知識，二者結(jié)合事半功倍。譯者需熟悉中法標(biāo)點符號的對照規(guī)則，結(jié)合語境靈活使用。同時，可借助排版軟件優(yōu)化譯文排版，提升譯文美觀性。

3.2 更新術(shù)語，精準(zhǔn)匹配

翻譯工具的開發(fā)者應(yīng)不斷完善并實時更新時政術(shù)語庫，擴大庫容量，核對專有名詞，提高匹配正確率。同時，語料庫應(yīng)基于中法歷史文化背景知識，精析時政新詞核心義，增補引申義。還需優(yōu)化讀者反饋機制，進一步提升機輔翻譯的精準(zhǔn)度。

3.3 逐字修正，逐句潤色

譯者需精確對比原文與譯文，識別出所有可能的翻譯誤差，逐字逐句調(diào)整潤色。譯者還需深入理解原文語境，分析句子之間的邏輯關(guān)系，調(diào)整句子結(jié)構(gòu)，優(yōu)化語序。

3.4 緊跟時政，堅定立場

譯者需密切關(guān)注國內(nèi)外時政熱點，保持對政治動態(tài)的敏銳洞察力。在譯后編輯時，堅定政治立場，確保翻譯內(nèi)容符合國家立場。同時，要注重翻譯準(zhǔn)確、客觀、公正，以免造成文化誤解。

3.5 持續(xù)學(xué)習(xí)，提升素養(yǎng)

譯者需持續(xù)學(xué)習(xí)新知，培養(yǎng)歷史文學(xué)素養(yǎng)和跨文化交際能力，以準(zhǔn)確傳達中國智慧和中國方案。譯者還需持續(xù)提升機輔翻譯工具和計算機的使用能力。

4 結(jié)束語

機輔翻譯水平隨AIGC研究的深入而大幅提升，但仍處初級階段，無法完全替代譯員，“機輔翻譯＋譯后編輯”的人機協(xié)作工作模式將長期存在。本研究聚焦AIGC浪潮下的機輔漢法翻譯，通過問卷調(diào)研、案例分析及譯后編輯實踐，對政治外交文本在機輔漢法翻譯中的常見錯誤類型進行了系統(tǒng)歸納，并在此基礎(chǔ)上提出了切實可行的譯后編輯策略。新時代的翻譯研究者，需直面機輔翻譯的譯后編輯挑戰(zhàn)，持續(xù)優(yōu)化技術(shù)，不斷完善策略，提升譯后編輯效率與質(zhì)量，為推動翻譯行業(yè)的數(shù)字化轉(zhuǎn)型和翻譯人才培養(yǎng)貢獻力量。

參考文獻

[1] 新華網(wǎng).第一觀察丨習(xí)近平文化思想首次提出[EB/OL]．（2023-10-08）[2024-10-08]．http：//www.news.cn/2023-10/08/c_1129905812.htm．

[2] 王華樹，陳涅奧.中國語言服務(wù)企業(yè)機器翻譯與譯后編輯應(yīng)用調(diào)查研究[J].北京第二外國語學(xué)院學(xué)報，2021，43（5）：23-37.

[3] 周志敏，紀(jì)愛華．人工智能[M]．北京：人民郵電出版社，2017.

[4] 肖豐佳. AIGC技術(shù)在軟件測試中的應(yīng)用探討[J].工業(yè)控制計算機，2024，37（4）：82-84.

[5] 中國翻譯協(xié)會.2024中國翻譯行業(yè)發(fā)展報告[R]. 2024.

[6] 中國外文局翻譯院智能翻譯實驗室.關(guān)于計算機輔助翻譯使用情況的調(diào)研問卷[Z].中國外文局翻譯院智能翻譯實驗室，2024.

[7] 潘學(xué)權(quán)，崔啟亮. 計算機輔助翻譯教程[M].2版.合肥：安徽大學(xué)出版社，2020.

[8] 馮志偉.機器翻譯與人工智能的平行發(fā)展[J].外國語（上海外國語大學(xué)學(xué)報），2018，41（6）：35-48.

[9] 習(xí)近平. 傳承中法建交精神 共促世界和平發(fā)展[N].費加羅報，2024-05-05.

[10]王詩帆.漢法交替?zhèn)髯g中對中文“范疇詞”的處理策略[D].上海：上海外國語大學(xué)，2021.