日志✦

来自工坊的笔记

我们在打造 Transept 和观察人们如何翻译时学到的东西。

机器翻译译后编辑 (MTPE)：定义、原理与优化指南

机器翻译译后编辑 (MTPE) 实用指南：对比轻度与深度译后编辑，探讨为何原始机翻仍需人工干预，解析质量评估方式，并说明为何常见的“先批处理后校对”模式往往并非最优，最后分享一种在质量和成本上均更胜一筹的、基于翻译记忆的迭代式工作流。

我们在一个长周末里将 Transept 本地化成了德语、乌克兰语、中文、葡萄牙语、法语、西班牙语、捷克语、意大利语、波兰语和土耳其语，并采用了我们向用户推荐的模式：结合上下文、术语决策以及人工后期编辑。这些是我们在此过程中积累的复数规则、语体切换、排版调整以及 hreflang 方面的经验教训。

翻译工具中现有的 AI 大多只是挂在侧边的聊天机器人。我们将 Literess 打造为一个智能体——它根植于产品运行所依循的决策上下文记忆，能够代表你采取实际行动，且始终需经你确认。

翻译记忆库用于存储团队已审核通过的译文。我们需要理清的是：当翻译主体变为大语言模型（LLM）时，翻译记忆库（TM）的内涵发生了怎样的变化？市面上的工具是如何实现记忆（或遗忘）的？以及我们在 Transept 的核心抉择：将记忆视为决策的上下文。

我们曾尝试沿用 Gemini 2.5 的方式来控制 Gemini 3 的思考预算，但这种方法已经行不通了。以下是我们转而测得的数据——以及这些变化对 AI 翻译质量和成本的影响。

我们为何在此执笔，这里有哪些内容，以及一份常回来看看的小小邀请。

作者

大约每月更新一次。