From MTPE to AlPE： Evolution of Translation Modes in the GenAl Era and Its Implications for Translation Education

WANG Huashu'LIU Shijie2 （1. Graduate School of Translation and Interpretation，Beijing Foreign Studies University，Beijing 100089，China; 2. College of Foreign Languages， Shanghai Maritime University， Shanghai 201306， China）

Abstract： The rapid advancement and widespread adoption of large language models are transforming traditional translation modes. This paper examines the evolution of translation modes from human translation to Machine Translation Post-Editing （MTPE），and further to Artificial Intelligence Post-Editing（AIPE），while analyzingtheir impact on translation education.The transformation in translation technology has catalyzed a restructuring of translation production relationships. As an emerging collaborative mode between humans and artificial intelligence，AlPE is gradually supplanting MTPE and becoming the industry standard， thanks to its enhanced interactivity， sophisticated contextual comprehension，and advanced inteligence. However， the implementation of the AlPE mode encounters several challenges， including technological constraints， elevated requirements for translator competencies，and insufficient ethical frameworks. Consequently， translation education must undergo several adaptations： redefining translation competence through a translator training model that integrates linguistic，professional，and technological expertise; innovating translation technology curicula and establishing a new pedagogical framework for Al-driven translation education；broadening the scope of required competencies to enhance technological literacy；and fostering ethical awareness to mitigate technological risks.This study ofers fresh perspectives on understanding the transformation of translation modes in the generative artificial intelligence（GenAl）era while providing strategic direction for the reformation of translation education.

Key words： generative artificial intelligence （GenAl）； translation modes；MTPE；AIPE；translationeducation

1.引言

以ChatGPT為代表的生成式人工智能（Generative Artificial Intelligence，GenAI）的崛起，正在深刻重塑全球各行各業(yè)的生產(chǎn)模式與服務范式，翻譯領(lǐng)域亦不例外。作為這場變革的重要驅(qū)動力，翻譯技術(shù)本身也經(jīng)歷了從“理性主義范式\"到“經(jīng)驗主義范式”，再到\"聯(lián)結(jié)主義范式”的躍遷。機器翻譯從基于規(guī)則的形式化方法，發(fā)展到當前基于深度學習的神經(jīng)網(wǎng)絡(luò)機器翻譯（NMT），其背后反映的正是翻譯技術(shù)范式的根本性轉(zhuǎn)變（Hutchins，1986;Cho et al.，2014）。近年來，以大語言模型（Large Language Models，LLMs）為核心的GenAI技術(shù)在跨語言知識遷移和深度語境理解等方面取得突破性進展，為機器翻譯乃至整個翻譯行業(yè)帶來顛覆性的變革。

自2022年底ChatGPT問世以來，國內(nèi)外科技巨頭競相角逐，紛紛推出基于LLMs的ChatGPT類產(chǎn)品。這類模型在多語言理解、知識推理和內(nèi)容生成等方面能力卓越，正在推動翻譯工作流程的全面重構(gòu)，使人機協(xié)同邁人人智協(xié)同的新階段。在這場技術(shù)驅(qū)動的變革中，翻譯模式正從機器翻譯譯后編輯（Machine Translation Post-editing，MTPE）轉(zhuǎn)向人工智能譯后編輯（Artificial Intelligence Post-editing，AIPE）。這一轉(zhuǎn)變不僅是技術(shù)手段的升級，更是翻譯理念、工作流程和行業(yè)標準的全面革新，對譯者的角色定位和能力要求提出了新的挑戰(zhàn)。然而，現(xiàn)有研究對由技術(shù)范式變革所引發(fā)的翻譯模式轉(zhuǎn)型關(guān)注明顯不足，尤其是缺乏對AIPE模式的特征、機制和影響的系統(tǒng)探討。因此，準確把握這一歷史性趨勢，并在翻譯實踐和教育中積極應對，已成為當前亟待研究的重要課題。

2.研究現(xiàn)狀

學界在“翻譯模式”概念的使用上常存在指稱對象不明確、不統(tǒng)一的現(xiàn)象（王均松、肖維青、崔啟亮，2023：14），這主要源于不同時代背景、不同發(fā)展階段的學者對翻譯模式的認知和理解差異。本研究中的“翻譯模式”特指翻譯活動中的組織形式、工作流程與操作規(guī)范等，這一概念與翻譯策略、翻譯過程有顯著區(qū)別，更側(cè)重于翻譯活動在實踐層面的程序化管理和規(guī)范化應用。

2.1人工翻譯時代的翻譯模式研究

在人工翻譯時代，東西方的翻譯實踐中逐漸形成翻譯模式的雛形。相關(guān)研究中的表述方式各異，不乏對于“翻譯過程”的關(guān)切與探討（如Nidaamp;Taber，1969；許鈞，2003），呈現(xiàn)出“翻譯程序”“翻譯過程”“翻譯流程”等表述交織的情況。這一時期的翻譯模式主要體現(xiàn)為兩種形式：一是以團隊協(xié)作為基礎(chǔ)的規(guī)范化運行模式，二是個人翻譯實踐的流程化總結(jié)。在團隊協(xié)作方面，中國佛經(jīng)翻譯實踐構(gòu)建了最具代表性的系統(tǒng)化譯場制度，尤以隋唐時期最為完善。以玄奘主持的譯場為例，建立起包含筆受、度語、潤文、證義、梵唄、?？钡仍趦?nèi)的完整職位序列，形成嚴密的翻譯質(zhì)量控制機制（轉(zhuǎn)引自劉立壹，2012：91）。與此相似，歐洲托萊多翻譯學院創(chuàng)立的“四手翻譯”合作模式，通過阿拉伯語—卡斯蒂利亞語—拉丁語的雙重轉(zhuǎn)換確保翻譯質(zhì)量（王玖玖，2024）。在個人翻譯實踐方面，隨著個人翻譯實踐的深人，翻譯家們開始系統(tǒng)總結(jié)個人實踐經(jīng)驗，嘗試建立規(guī)范化翻譯流程。這些早期翻譯模式雖然源自不同的歷史文化背景，但都體現(xiàn)出對翻譯質(zhì)量的嚴格要求和對專業(yè)分工的重視，為現(xiàn)代翻譯模式的發(fā)展奠定了重要基礎(chǔ)。

2.2計算機輔助翻譯時代的翻譯模式研究

20世紀90年代以后，CAT工具的興起開啟了人機協(xié)作翻譯的新紀元。該時期的研究主要關(guān)注技術(shù)對翻譯流程的影響、翻譯工作流程的改變、翻譯項目的管理模式等方面。Kay（1997）較早提出“譯者助手\"（translator’samenuensis）的設(shè)想，預見了人機協(xié)作翻譯的未來。隨著翻譯記憶、術(shù)語管理等核心技術(shù)的日趨成熟，學界開始深人探討CAT與翻譯實踐的有效融合路徑，從理論和實踐層面對CAT時代的翻譯模式進行了多視角考察，揭示出技術(shù)工具對譯者工作方式和翻譯項目組織形態(tài)的深遠影響（如Austermuhl，2001;徐彬、郭紅梅、國曉立，2007;周興華，2015）。全球化進程的加速進一步推動了翻譯模式的變革，在本地化產(chǎn)業(yè)的帶動下，翻譯項目的規(guī)模和復雜度顯著提升，促使學界更加關(guān)注翻譯項目的管理機制（Dunne，2006;崔啟亮，2013）。在此背景下，眾包翻譯模式應運而生，引發(fā)了學界的廣泛探討（DePalmaamp;Kelly，2011;陸艷，2012）。這些研究表明，CAT時代翻譯技術(shù)的應用不僅提升了翻譯效率，更從根本上重塑了翻譯行業(yè)的運作模式。

2.3機器翻譯賦能的翻譯模式研究

進人21世紀后，機器翻譯技術(shù)的快速發(fā)展推動了翻譯模式的深刻變革，尤其是MTPE模式的形成和完善。該時期的研究主要圍繞不同階段的機器翻譯技術(shù)對翻譯模式的影響展開，尤其聚焦于MTPE 模式的發(fā)展。2014年開始，NMT技術(shù)取得突破性進展（Bahdanau，Cho＆Bengio，2014），推動MTPE 成為主流翻譯模式。崔啟亮（2014）較早詳細介紹了MTPE的概念、應用領(lǐng)域及實踐準則，為該模式的推廣奠定了理論基礎(chǔ)。而后ISO18587：2017標準明確規(guī)定MTPE的工作流程和質(zhì)量要求（ISO，2017），標志著這一模式進入成熟階段。為推動MTPE模式的規(guī)模化應用與廣泛推廣，學者們開展了一系列深入研究，例如不同機器翻譯技術(shù)階段下MTPE 的譯文質(zhì)量評估（Koponen，2016;Vardaro，Schaefferamp; Hansen-Schirra，2019）、認知努力對比（Moorkens et al.，2015; Vieira，2016）、能力模型構(gòu)建及能力培養(yǎng)（Nitzke，Hansen-Schirraamp; Caciora，2019;王華樹、劉世界，2022）等。這些研究從不同角度為MTPE模式的實踐應用提供理論指導和操作規(guī)范，推動人機協(xié)作模式的深化發(fā)展。

上述關(guān)于翻譯模式的研究，從不同角度為翻譯活動的開展和組織提供了理論指導和實踐參考。然而，隨著GenAI技術(shù)的迅速發(fā)展，當前研究對MTPE和AIPE兩種模式的演變規(guī)律卻關(guān)注不足。特別是在翻譯生產(chǎn)關(guān)系重構(gòu)、人機協(xié)作方式轉(zhuǎn)變等核心議題上，缺乏系統(tǒng)深人的比較研究。這一研究局限突顯了深人探討AI時代翻譯模式的演變機制，既具有重要的理論意義，也具有迫切的現(xiàn)實價值。

3.AI時代翻譯模式的演變

在人類的翻譯實踐中，技術(shù)創(chuàng)新始終是推動翻譯模式變革的核心動力。隨著人工智能技術(shù)的發(fā)展，翻譯模式經(jīng)歷了從CAT到MTPE，再到AIPE的深刻轉(zhuǎn)型（王華樹、張成智，2025：54）。2022年底，以ChatGPT為代表的LLMs的突破性進展，更是將這一演變推向新的高度。這些模型憑借其在跨語言理解、知識遷移和內(nèi)容生成等方面的優(yōu)勢，正在重構(gòu)傳統(tǒng)的翻譯生產(chǎn)關(guān)系。與MTPE模式相比，AIPE模式不僅顯著提升了翻譯效率，更實現(xiàn)了從簡單的“機器輔助”到深度“人智協(xié)同”的飛躍，預示著翻譯行業(yè)正步人一個全新的發(fā)展階段。本節(jié)將聚焦MTPE和AIPE兩個階段，探析其特點及面臨的挑戰(zhàn)，揭示AI時代翻譯模式變革的內(nèi)在邏輯和發(fā)展趨勢。

3.1MTPE階段：技術(shù)輔助的過渡模式

根據(jù)ISO18587：2017標準的定義，MTPE是指編輯、修改和/或更正預先翻譯的文本的過程（ISO，2017）。這種翻譯模式的形成是機器翻譯技術(shù)進步與市場需求共同作用的結(jié)果。2016年，國外搜索平臺推出谷歌神經(jīng)網(wǎng)絡(luò)機器翻譯系統(tǒng)（Google Neural MachineTranslation，GNMT），采用最先進的NMT技術(shù)，大幅提升機器翻譯的水平在英語-西班牙語翻譯中填補了 87% 的機器翻譯與人類翻譯之間的質(zhì)量差距（Wuetal.，2016），這為MTPE模式的規(guī)模化應用奠定了堅實的技術(shù)基礎(chǔ)。

3.1.1MTPE模式特點及實踐案例

MTPE模式通過整合機器翻譯的效率和人工編輯的質(zhì)量保障，形成一種新型的人機協(xié)作模式。這種模式具有三個主要特點。第一，人機分工明確，協(xié)作互補。機器翻譯系統(tǒng)負責快速生成譯文初稿，譯者則專注于譯文的審校與優(yōu)化，確保翻譯質(zhì)量符合專業(yè)標準。第二，生產(chǎn)效率顯著提升，成本結(jié)構(gòu)優(yōu)化升級。機器翻譯的前置大幅縮短了翻譯周期，尤其是在處理大規(guī)模、重復性較高的文本時，能有效降低單位翻譯成本。第三，翻譯流程日益標準化，質(zhì)量控制更具可操作性。隨著ISO18587：2017標準的發(fā)布，MTPE建立了系統(tǒng)的操作流程及質(zhì)量管理規(guī)范，為行業(yè)實踐提供了重要指南。

這些特征在大規(guī)模商業(yè)實踐中得到了充分驗證。以全球電商平臺eBay為例，其MTPE 實踐生動展現(xiàn)了該模式在處理海量內(nèi)容時的應用價值。根據(jù)eBay機器翻譯語言專家Rowda（2016）的報道，eBay平臺擁有超過8億條商品信息，每條平均包含300個詞，僅俄羅斯市場的6，000萬條商品信息就需要1，000名譯者耗時5年才能完成翻譯。面對如此龐大且持續(xù)更新的內(nèi)容，eBay構(gòu)建了專門的機器翻譯科學團隊和語言團隊，采用統(tǒng)計機器翻譯模型處理商品標題、描述、評論等用戶生成內(nèi)容。為確保翻譯質(zhì)量，團隊建立了系統(tǒng)的譯后編輯機制：機器譯文由內(nèi)部專業(yè)團隊修改并審核，高質(zhì)量的修改結(jié)果再用于系統(tǒng)訓練，從而實現(xiàn)翻譯質(zhì)量的持續(xù)優(yōu)化。這一實踐不僅有效解決了傳統(tǒng)人工翻譯無法滿足的規(guī)模化需求，也為MTPE模式在電商領(lǐng)域的應用提供了重要參考。

3.1.2MTPE模式的主要挑戰(zhàn)

盡管MTPE模式在技術(shù)和效率層面取得顯著進展，但在實踐中仍面臨著三個主要挑戰(zhàn)。第一，機器翻譯質(zhì)量波動制約模式的推廣應用。盡管NMT技術(shù)不斷進步，但在處理復雜句式、專業(yè)術(shù)語時仍表現(xiàn)不穩(wěn)定。據(jù)Moorkensamp;O’Brien（2014：79）研究發(fā)現(xiàn)，譯者普遍反映MTPE工作單調(diào)乏味，持續(xù)性的機械修改（如詞序、產(chǎn)品名稱和標簽）容易導致“大腦麻木”和疲勞。尤其是當機器翻譯輸出質(zhì)量較低時，譯后編輯的工作量可能會超過人工直接從頭開始翻譯。第二，譯者主體性和專業(yè)能力潛在弱化制約模式的應用。在MTPE模式下，譯者容易受到“錨定效應\"（Tverskyamp;Kahneman，1974）的影響，難以跳出機器譯文框架進行創(chuàng)造性思考。部分譯者可能產(chǎn)生惰性，過度依賴機器翻譯的結(jié)果，譯文出現(xiàn)如“機器翻譯腔”（translationese）和“譯后編輯腔”（post-editese）（Daems，De Clercqamp;Macken，2017）等問題，長期而言可能削弱譯者的語言敏感度和專業(yè)能力。第三，評估標準與定價機制不完善阻礙模式的發(fā)展。雖然ISO18587：2017為MTPE提供了基本框架，但業(yè)界對譯后編輯的質(zhì)量評估標準和工作量計算仍未達成共識。有研究指出MTPE模式下客戶往往采用折扣定價策略（Guerberof Arenas，2019：335），這種不規(guī)范的行業(yè)操作不僅影響譯者積極性，也制約該模式的推廣。

這些挑戰(zhàn)反映了MTPE模式作為一種技術(shù)輔助型翻譯模式的內(nèi)在局限。隨著生成式人工智能技術(shù)的發(fā)展，特別是LLMs在自然語言處理領(lǐng)域取得的突破性進展，翻譯行業(yè)開始探索更高層次的人機協(xié)作方式，正推動翻譯模式從MTPE向AIPE演進，開啟了一個更智能化的翻譯新階段。

3.2AIPE階段：智能時代的協(xié)同新范式

AIPE是基于以LLMs為代表的生成式人工智能的智能化翻譯模式，代表著翻譯技術(shù)發(fā)展的最新階段。不同于MTPE的線性工作流程，AIPE實現(xiàn)了更深層次的人機協(xié)同，將譯者的專業(yè)判斷與LLMs的能力有機結(jié)合，形成一種動態(tài)交互的人智協(xié)同翻譯模式。在這種模式下，譯者的角色從單純的編輯者轉(zhuǎn)向AI翻譯系統(tǒng)的引導者和協(xié)作者，通過提示工程主動引導翻譯過程。

3.2.1AIPE模式特點及實踐案例

AIPE作為生成式時代的人智協(xié)同翻譯模式，通過深度的人機交互重構(gòu)了傳統(tǒng)的翻譯工作流程，在翻譯實踐中具有三個突出特點。第一，提示工程驅(qū)動的交互式翻譯。如ChatGPT等新一代模型是基于鏈式思維（Chainof Thought）（Wei etal.，2022）這種先進技術(shù)開發(fā)訓練的，具備結(jié)構(gòu)化提示詞的深度理解機制，譯者可通過設(shè)計提示詞策略與LLMs進行多輪對話，引導翻譯過程。通過提示詞的精確設(shè)計，譯者可以指定翻譯的文體風格、要求解釋特定翻譯選擇的理由，或獲取多個備選方案，從被動的譯文修改者轉(zhuǎn)變?yōu)榉g過程的主導者。第二，深度語義理解支撐的高質(zhì)量譯文生成。AIPE模式下的LLMs通過大規(guī)模預訓練形成了強大的語義理解能力，能夠?qū)崿F(xiàn)對文本深層語義和上下文關(guān)系的準確把握，為高質(zhì)量譯文的生成提供了堅實的基礎(chǔ)支撐。第三，智能化的系統(tǒng)性譯后編輯機制。在MTPE模式中，由于機器翻譯系統(tǒng)缺乏修正反饋的學習能力，導致譯者需要機械修改機器譯文中頻現(xiàn)的錯誤（Moorkensamp;O'Brien，2017：109）。AIPE模式則通過提示工程支持實時協(xié)同編輯：譯者可以通過編寫針對性的提示詞明確指出發(fā)現(xiàn)的問題類型和修改要求，引導LLMs自動識別并修正全文中的類似問題。這種基于提示詞的智能化編輯機制讓譯者從繁瑣的重復性工作中解放出來，更專注于翻譯質(zhì)量的整體把控。

AIPE模式已經(jīng)在翻譯行業(yè)得到初步探索。例如， Wu et al.（2024）開發(fā)了基于多智能體協(xié)作的TransAgents系統(tǒng)，通過模擬傳統(tǒng)翻譯公司的運作流程，構(gòu)建了從CEO、高級編輯、初級編輯、譯者、本地化專家和審校人員在內(nèi)的完整翻譯團隊，實現(xiàn)對超長文學文本的翻譯，確保翻譯質(zhì)量的一致性與連貫性。在商業(yè)實踐中，主流CAT廠商也在積極探索基于LLMs的智能協(xié)作模式。例如，通過插件拓展集成（如Trados Studio推出的Intento MTHub、AI Professional 插件）和新增功能集成（如 Smartcat 的OpenAI GPT 功能、memoQ 的AGT功能）等融合方式實現(xiàn)與LLMs的集成，支持譯者進行定制化操作（周興華，2024：124-127）。最近，Trados逐步引人基于LLMs的生成式字幕功能，結(jié)合語言資源實現(xiàn)視頻的自動轉(zhuǎn)錄與本地化處理，同時提供基于安全LLMs的智能幫助功能，實時響應譯者需求，為翻譯過程提供知識庫和論壇資源的智能支持（Wheeler，2024）。同時，Trados也在逐步形成\" MT+MTQE+LLM^， 的工作流，有望形成成熟的自動譯后編輯（automatic post-editing，APE）模式。除上述探索之外，AIPE模式還支持更廣泛的人工智能譯后編輯實踐。

譯者可自行選擇下載翻譯任務型或通用型開源模型（如TowerInstruct-7B-v0.2、Meta-Llama-3.1-8B-Instruct）進行本地部署，或通過API接入商用閉源模型，甚至直接使用各大模型平臺提供的在線交互服務。這種靈活的接人方式使得譯者能夠根據(jù)項目需求和安全級別，選擇最適合的模型實現(xiàn)深度交互。通過精心設(shè)計的結(jié)構(gòu)化提示詞，譯者可與模型進行多輪對話，從單向的譯后編輯升級到雙向的智能協(xié)作。這些創(chuàng)新實踐充分表明，AIPE模式正在重構(gòu)傳統(tǒng)翻譯工作流程，并將成為翻譯技術(shù)發(fā)展的必然趨勢。

3.2.2AIPE模式的主要挑戰(zhàn)

盡管AIPE 在翻譯實踐中展現(xiàn)出顯著優(yōu)勢，但其規(guī)模化應用仍面臨三個主要挑戰(zhàn)。第一，模型的不可控性制約翻譯質(zhì)量保障。LLMs的“黑箱”特性導致翻譯過程缺乏可解釋性，譯者難以理解模型做出翻譯決策的依據(jù)。特別是在處理專業(yè)性強或具有文化特殊性的文本時，模型可能生成帶有偏見或錯誤的譯文，這要求譯者在應用AIPE模式時需保持高度警惕，建立嚴格的質(zhì)量控制機制。第二，譯者角色轉(zhuǎn)型對人才素養(yǎng)提出更高要求。在AIPE模式下，譯者需要扮演人與智能系統(tǒng)交互的引導者、翻譯質(zhì)量的把控者等多重角色，不僅要具備扎實的語言功底，還要熟練掌握提示工程、基礎(chǔ)編程等人智協(xié)作技能，這對翻譯人才培養(yǎng)提出了新的挑戰(zhàn)。第三，倫理規(guī)范滯后影響模式推廣應用。當前有關(guān)AIPE模式應用所產(chǎn)生的一系列倫理及規(guī)范問題仍然未得到專門的指導。如何防范模型訓練數(shù)據(jù)中的偏見、如何界定譯文版權(quán)歸屬、如何確保數(shù)據(jù)安全和隱私保護以及如何制定合理的定價機制等問題，都需要業(yè)界和學界共同努力建立相應的行業(yè)應用規(guī)范。這些挑戰(zhàn)表明，要AIPE模式的健康發(fā)展，就需要在技術(shù)進步的同時，同步推進人才培養(yǎng)和規(guī)范建設(shè)。

4.對翻譯教育的啟示

翻譯模式從MTPE向AIPE的演進對翻譯教育產(chǎn)生了深遠影響。這種演進不僅體現(xiàn)在技術(shù)層面，更涉及翻譯生產(chǎn)模式的根本性變革，對翻譯人才的知識結(jié)構(gòu)和能力素養(yǎng)提出了新的要求。在此背景下，傳統(tǒng)翻譯教育體系亟需重構(gòu)。本研究從教學定位、課程建設(shè)、能力培養(yǎng)和倫理意識四個維度，探討LLMs時代翻譯教育的改革路徑。

4.1緊貼行業(yè)趨勢，轉(zhuǎn)變教學定位

傳統(tǒng)的翻譯教育模式側(cè)重于語言轉(zhuǎn)換能力的培養(yǎng)，對人工智能技術(shù)在翻譯實踐中的應用重視不足。然而，AIPE模式的特點表明，未來的翻譯人才不僅需要具備扎實的語言基礎(chǔ)和翻譯素養(yǎng)，更需要掌握與人工智能協(xié)同工作的能力。

為實現(xiàn)這一目標，翻譯教育需要進行三個方面的革新。第一，重新定義翻譯能力，全面培養(yǎng)學生的智能翻譯素養(yǎng)。王少爽、駱瀟洋（2025）從知識、思維、能力和倫理四個維度構(gòu)建智能翻譯素養(yǎng)的概念框架，認為這是翻譯能力在智能時代的必然演進。第二，構(gòu)建“語言 + 專業(yè) + 技術(shù)”的復合型人才培養(yǎng)模式。這要求打破傳統(tǒng)學科壁壘，推動翻譯學與計算機科學、人工智能等學科的交叉融合。如王華樹（2024：108）所言，亟需通過跨學科交叉融合，培養(yǎng)兼具語言、專業(yè)和新興技術(shù)多重能力的高素質(zhì)語言服務人才。第三，加強產(chǎn)教融合，將行業(yè)實踐引人課堂。邀請企業(yè)專家開設(shè)專題講座或工作坊，介紹AIPE模式在行業(yè)中的實際工作流程及應用成效;或與企業(yè)合作開發(fā)基于LLMs的實踐項目，讓學生在實際環(huán)境中鍛煉人智協(xié)同翻譯能力。

4.2創(chuàng)新技術(shù)課程，拓展教學內(nèi)容

AIPE模式的深度交互特性和智能化譯后編輯機制，要求翻譯教育必須創(chuàng)新翻譯技術(shù)課程體系。相較于MTPE時代側(cè)重NMT和CAT工具使用的傳統(tǒng)翻譯技術(shù)課程，當前的翻譯教育迫切需要建立系統(tǒng)化的人工智能翻譯課程體系。這不僅是教學內(nèi)容的更新，更是翻譯技術(shù)課程的重構(gòu)。這種課程體系需要與前述智能翻譯素養(yǎng)的培養(yǎng)目標相匹配，為培養(yǎng)新時代的翻譯人才提供課程支撐。

課程創(chuàng)新可從以下層面展開。第一，構(gòu)建智能翻譯技術(shù)課程群。除傳統(tǒng)的CAT工具應用課程外，增設(shè)LLMs基礎(chǔ)原理、提示工程、翻譯智能體、智能翻譯項目管理與實務等系列課程，形成從基礎(chǔ)到前沿的完整知識體系，幫助學生建立對GenAI技術(shù)應用邊界的系統(tǒng)認知。第二，整合專業(yè)課程內(nèi)容。重構(gòu)傳統(tǒng)口筆譯課程體系，將智能翻譯模塊納入教學大綱，針對不同語言方向和文本類型設(shè)計智能翻譯專題，形成新技術(shù)與傳統(tǒng)教學深度融合的課程體系。第三，革新實踐教學環(huán)節(jié)。建立智能翻譯實驗室和實訓基地，配置主流智能翻譯平臺和工具，為學生提供真實的技術(shù)應用環(huán)境。通過項目驅(qū)動式教學，讓學生在完整的翻譯項目中體驗和掌握智能翻譯的全過程，培養(yǎng)其綜合運用新技術(shù)的實踐能力。

4.3革新能力范疇，提升技術(shù)素養(yǎng)

AIPE模式對翻譯人才的能力提出新要求，傳統(tǒng)的翻譯能力范疇需要進一步拓展。在人智協(xié)同日益深人的背景下，譯者更需要具備與人工智能協(xié)同工作的能力。因此，翻譯教育需要革新翻譯能力范疇，將技術(shù)素養(yǎng)作為核心能力維度，融人翻譯人才的培養(yǎng)體系中。

在翻譯教育中，需要加強學生多個方面的能力。第一，培養(yǎng)學生熟練運用不同LLMs等智能工具的能力。通過系統(tǒng)的工具對比和實踐操作，使學生掌握各類LLMs的特點及適用場景，能夠根據(jù)具體翻譯任務選擇最優(yōu)工具組合。這種應用能力的培養(yǎng)應注重實踐性和系統(tǒng)性，既要讓學生熟練掌握各類平臺的基本操作，也要培養(yǎng)其對新興翻譯技術(shù)的評估和選擇能力。第二，培養(yǎng)學生的人智協(xié)同翻譯管理能力。未來的翻譯項目將更多地呈現(xiàn)出人智協(xié)同的特點，譯者需要能夠有效地管理人類與智能翻譯系統(tǒng)協(xié)同的流程，合理分配任務，并全面監(jiān)控AIPE模式下的翻譯進度和質(zhì)量。第三，強化學生對智能翻譯結(jié)果的評估和校對能力。LLMs生成的譯文雖然質(zhì)量較高，但仍可能存在錯誤或不完善之處。因此，譯者應能夠敏銳識別并妥善消除LLMs生成譯文存在的不足之處。在培養(yǎng)過程中，要特別注重學生的技術(shù)思維、批判性思維和邏輯思維，提升其對模型譯文的分析與判斷能力，有效避免出現(xiàn)“大語言模型翻譯腔”①等新型翻譯質(zhì)量問題。

4.4規(guī)避技術(shù)陷阱，加強倫理意識

在擁抱智能技術(shù)變革的同時，翻譯教育必須高度重視AIPE模式可能帶來的倫理風險和技術(shù)陷阱。LLMs雖然在翻譯效率和質(zhì)量方面表現(xiàn)出色，但其應用過程中可能涉及數(shù)據(jù)安全、隱私保護、知識產(chǎn)權(quán)等諸多倫理問題。任文（2020：13）曾指出：“快速介入的語言服務技術(shù)在給譯員及其客戶帶來巨大便利的同時，也讓語言服務業(yè)的利益相關(guān)者陡然感受到技術(shù)倫理觀缺位導致的尷尬”。因此，翻譯教育必須將倫理意識培養(yǎng)納入課程體系，幫助學生樹立正確的職業(yè)價值觀。這不僅關(guān)系到個人職業(yè)發(fā)展，更關(guān)系到整個語言服務行業(yè)的健康發(fā)展。

翻譯教育可從以下三個層面加強倫理教育。第一，培養(yǎng)學生對智能翻譯的倫理思辨能力。通過典型案例分析，引導學生識別和反思模型中的價值偏差，如文化歧視、性別偏見、族群刻板印象等深層倫理問題。幫助學生樹立正確的技術(shù)倫理觀，在使用GenAI技術(shù)時保持應有的倫理警覺和價值判斷。第二，強化數(shù)據(jù)安全和隱私保護意識。重點關(guān)注翻譯項目中的敏感信息處理，包括商業(yè)機密、個人隱私等內(nèi)容的保護。學生應主動學習數(shù)據(jù)安全相關(guān)法律法規(guī)，提升自身數(shù)據(jù)安全意識，將其作為開展翻譯實踐的基本準則（劉世界、張滟、黃立波，2025：69）。第三，深化對版權(quán)歸屬和責任認定的理解。AIPE模式下的翻譯作品版權(quán)和責任界定問題較為復雜，需要學生充分認識到智能輔助翻譯中的知識產(chǎn)權(quán)保護問題，為構(gòu)建行業(yè)新規(guī)范做好準備。

5.結(jié)語

本研究系統(tǒng)考察從MTPE向AIPE演進的翻譯模式變革歷程，揭示出GenAI技術(shù)對翻譯模式轉(zhuǎn)型的深刻影響。AIPE模式通過重構(gòu)人機協(xié)作關(guān)系、優(yōu)化翻譯工作流程，引領(lǐng)翻譯行業(yè)步人人智協(xié)同翻譯的新階段。這一轉(zhuǎn)型不僅表現(xiàn)為技術(shù)工具的更迭，更體現(xiàn)出翻譯生產(chǎn)方式和人才培養(yǎng)模式的根本性變革。翻譯教育肩負著培養(yǎng)適應智能時代的高素質(zhì)翻譯人才這一重要使命，其改革創(chuàng)新對于語言服務行業(yè)發(fā)展和國際傳播體系構(gòu)建具有戰(zhàn)略意義。當前的教育改革既要立足智能技術(shù)發(fā)展的現(xiàn)實需求，培養(yǎng)符合行業(yè)發(fā)展要求的復合型人才，又要著眼長遠，探索建立適應GenAI技術(shù)的可持續(xù)發(fā)展機制。在此過程中，如何平衡技術(shù)賦能與人文價值，如何協(xié)調(diào)效率提升與質(zhì)量把控，如何推動標準構(gòu)建與規(guī)范落地，將是翻譯教育需要深人思考和解決的關(guān)鍵問題。通過推進教學改革、創(chuàng)新培養(yǎng)模式、強化技術(shù)與倫理素養(yǎng)，翻譯教育將有效應對智能時代的挑戰(zhàn)，為翻譯專業(yè)建設(shè)提供新思路。這些問題的探索和解答，不僅關(guān)乎翻譯教育的革新方向，更將推動整個語言服務行業(yè)在GenAI時代實現(xiàn)創(chuàng)新發(fā)展。

注釋：

① 大語言模型翻譯腔（Large Language Model Translationese）是譯者在人智協(xié)同翻譯過程中出現(xiàn)的一種語言現(xiàn)象，表現(xiàn)為譯文過度采用模型傾向的標準化表達模式，導致語言表達雖然規(guī)范但缺乏源語言的修辭特色和譯者主體性特征的體現(xiàn)。這一現(xiàn)象反映了人工智能輔助翻譯的規(guī)范化與個性化之間的張力。

參考文獻

[1]Austermuhl，F(xiàn). Electronic Tools for Translators[M]. London amp; New York：Routledge，2001.

[2]Bahdanau，D.，K.Choamp;Y.Bengio．Neural machine translation by jointly learning to align and translate [J/OL].arXiv，2014. htps：//arxiv.org/abs/1409.0473. [2025-01-01]

[3]Cho，K. etal. Learning phrase representations using RNN encoder-decoder for statistical machine translation[J/OL].arXiv，2014. https：//arxiv.org/abs/1406.1078.[2025-01-01]

[4]Daems，J.，O.De Clercq amp; L. Macken. Translationese and post-editese：How comparable is comparable quality？[J]. Linguistica Antverpiensia，New Series-Themes in Translation Studies，2O17，16： 89-103.

[5]DePalma，D. A.amp; N. Kelly. Project management for crowdsourced translation：How user-translated content projects work in real life[A]. In K.J. Dunne amp; E. S. Dunne（eds.）. Translation and Localization Project Management： The Art of the Possble[ C]. Amsterdam： John Benjamins，2011. 379-408.

[6]Dunne，K. J. Perspectives on Localization[M]. Amsterdam：John Benjamins，2006.

[7]Guerberof Arenas，A. Pre-editing and post-editing[A]. In E. Angelone，M. Ehrensberger-Dow amp; G. Massey（eds.）. The Bloomsbury Companion to Language Industry Studies[C]. London： Bloomsbury Academic， 2019. 333-360.

[8]Hutchins，W. J. Machine Translation： Past，Present，F(xiàn)uture[M]. Chichester： Elis Horwood，1986.

[9]ISO.（ISO 18587：2017） Translation services——Post-editing of machine translation output—Requirements [S]. International Organization for Standardization，2017.

[10]Kay，M. The proper place of men and machines in language translation[J]. Machine Translation，1997， 12（1-2）： 3-23.

[11]Koponen，M. Is machine translation post-editing worth the efort？ A survey of research into post-editing process and quality[J]. The Journal of Specialised Translation， 2016，25： 131-148.

[12]Moorkens，J.amp; S.O’Brien.Post-editing evaluations：Trade-ofs between novice and professional participants[A/OL]. In i. Durgar El-Kahlout et al. （eds.）. Proceedings of the 18th Annual Conference of the European Association for Machine Translation[ C/OL]. Antalya， Turkey， 2014. 75-81. https：// aclanthology.org/volumes/W15-49/. [2024-12-12]

[13]Moorkens，J.amp; S.O'Brien. Assessing user interface needs of post-editors of machine translation[A].In D.Kenny （ed.）. Human Issues in Translation Technology[C]. London： Routledge，2017. 109-130.

[14]Moorkens，J. et al. Correlations of perceived post-editing effort with measurements of actual effort[J]. Machine Translation，2015，29（3-4）： 267-284.

[15]Nida，E. A.amp; C.R. Taber. The Theory and Practice of Translation[M]. Leiden：E.J. Brill，1969.

[16]Nitzke，J.，S. Hansen-Schirra amp; C. Caciora.Risk management and post-editing competence[J]. The Journal of Specialised Translation，2019，31： 239-259.

[17]Rowda，J. Inside eBay’s translation machine[EB/OL]. 2016. htps：//slator.com/inside - ebaytranslation-machine/.［2025-01-10]

[18]Tversky，A. amp; D. Kahneman. Judgment under uncertainty： Heuristics and biases[J]. Science，1974， 185（4157） ： 1124-1131.

[19] Vardaro，J.，M. Schaefferamp; S. Hansen-Schira. Translation quality and error recognition in professional neural machine translation post-editing[J]. Informatics，2019，6（3）： 41.

[20]Vieira，L. N.Cognitive Effortin Post-Editing of Machine Translation：Evidence from Eye Movements， Subjective Ratings，and Think-Aloud Protocols[D]. University of Bristol，2016.

[21]Wei， J. et al. Chain-of-thought prompting elicitsreasoning in large language models[J/OL]. arXiv， 2022.htps：//arxiv.org/pdf/2201. 11903. [2024-12-20]

[22]Wheeler， G. What’s new in Trados Q3 2024[EB/OL]. 2024. https：//www.trados.com/blog/whatsnew-in-trados-q3-2024/. [2025-01-10]

[23]Wu，M. et al.（Perhaps） Beyond human translation： Harnessing multi-agent collaboration for translating ultra-long literary texts[J/OL]. arXiv，2024. https：//arxiv.org/abs/2405.11804. [2025-01-10]

[24]Wu，Y. et al. Google’s neural machine translation system： Bridging the gap between human and machine translation[J/OL]. arXiv，2016. htps：//arxiv.org/pdf/1609. 08144.[2025-01-01]

[25]崔啟亮．本地化項目的分層質(zhì)量管理[J]．中國翻譯，2013，（2）：80-83.

[26]崔啟亮．論機器翻譯的譯后編輯[J]．中國翻譯，2014，（6）：68-73.

[27]劉立壹．談中國的合作翻譯[J]．中國外語，2012，（4）：89-93.

[28]劉世界，張滟，黃立波．GenAI時代的翻譯倫理：概念重構(gòu)、倫理變遷與行為選擇[J]．外語教學， 2025，（1） ： 66-72.

[29]陸艷．眾包翻譯模式研究[J]．上海翻譯，2012，（3）：74-78.

[30]任文．新時代語境下翻譯倫理再思［J]．山東外語教學，2020，（3）：12-22.

[31]王華樹.GenAI時代語言服務變革與語言服務教育創(chuàng)新[J].北京第二外國語學院學報，2024，（6）： 102-115.

[32]王華樹，劉世界．人工智能時代機器翻譯譯后編輯能力探究[J]．中國科技翻譯，2022，（4）： 21-24.

[33]王華樹，張成智．GenAI時代的翻譯實踐模式：技術(shù)迭代、業(yè)態(tài)變革與趨勢展望[J]．外語教學， 2025，（1）：53-58.

[34]王玖玖．托萊多翻譯運動的興起與影響[N]．光明日報，2024-06-17.

[35]王均松，肖維青，崔啟亮．人工智能時代技術(shù)驅(qū)動的翻譯模式：嬗變、動因及啟示[J]．上海翻譯， 2023，（4）：14-19.

[36]王少爽，駱瀟洋．GenAI時代的智能翻譯素養(yǎng)：現(xiàn)實基礎(chǔ)、學術(shù)理據(jù)與概念框架[J]．外語教學， 2025，（1） ： 59-65.

[37]徐彬，郭紅梅，國曉立．21世紀的計算機輔助翻譯工具[J]．山東外語教學，2007，（4）：79-86.

[38]許鈞．翻譯論［M]．武漢：湖北教育出版社，2003.

[39]周興華．計算機輔助翻譯協(xié)作模式探究[J]．中國翻譯，2015，（2）：77-80.

[40]周興華．AIGC工具與CAT軟件的集成：現(xiàn)狀與評價［J]．中國翻譯，2024，（3）：123-130.

（責任編輯：楊彬）