大語言模型輔助下的術語誤譯成因及對策研究

中圖分類號：H3；G2 DOI：10.12339/j.issn.1673-8578.2025.05.006

Research on the Causes and Countermeasures of Terminology Mistranslation Assisted by Large Language Models//SHI Yuqing，WANG Wenjun，XU Jiayi

Abstract：Trosraslatioltingfroslatos’uetexptie，iedgaepncyndal textualdiferences，haslonghnderedinterdiscipliaryesearchandinterationalacademiccommunication.Asgoundbreakigadvancementinatificialintellgence，ChatGPTnotolycomprehendsandgeneratesnaturallanguagetextbutalsodemonstrateshig throughputanalysisandinterdisciplinaryintegrationcapabilities，fferinganinovativesolutionforefectivelyidentifyingand correcting terminologymistranslations.ThisstudyemploysChatGPTtoconductanin-depthanalysisofvarious mistranslationphenomena，includingoeraatioitealaslatiosiodasdtasati.Iplosthussofstraslatiofroee spectivesofdisciplarybckgrod，laguagevolution，ndossulturalomicationdproposoatinstateit hancetheaccuracyandstandardizationof terminologytranslation，therebyfacilitatingtheshringofinterationalacademicrsource. Keywords ： terminology mistranslation;large language models（LLMs） ;translation strategies; prompt engineering

0 引言

術語翻譯一直是翻譯學科中的核心難題。術語作為表達特定學科知識的專門用語，不僅是學術交流中不可或缺的專業語言符號，更是社會文化傳承的關鍵載體。在全球化背景下，術語翻譯的準確性和規范性對促進國際科技合作與文化交流至關重要。

術語翻譯應嚴格把控準確性、一致性與專業性，以確保術語的專業概念在目標語中得到等值傳遞，符合學科規范，并適應目標語言的文化背景。然而，術語的“兩重性”和“變異性”使術語翻譯面臨挑戰[1]。加之語言、文化和翻譯策略等多重因素的交織，術語翻譯常出現“譯名不規范、同義術語不統一和術語概念不推敲”[2]等問題。同時，術語化程度不足、文采欠缺、表意不明、語義偏差、似是而非等現象[3」，亦為誤譯的表現。

術語誤譯不僅妨礙學術交流，還可能引發文化誤解，并對經濟和政治領域造成深遠的負面影響。例如，蘇聯專家在20世紀50年代提出的“MeTaIoBeⅡeHne”因被譯為“金屬物理學”而非“物理冶金學”，偏離了其培養“理解合金及其熱處理的工程師”的真實意圖，致使中國培養了大量與實際需求脫節的學者，嚴重影響了人才培養與學科發展[4]。意大利天文學家夏帕雷利在1877年發現的火星水道“Canali”被誤譯為“運河”，此誤譯引發了關于火星智慧生命的誤解，誤導科學研究與公眾認知數十年。

當前，區域與國別間的學術交流和跨學科協作空前密切，各學科新術語不斷涌現，術語互譯需求急劇增長。傳統翻譯方法已難以應對這一挑戰。大語言模型（largelanguagemodels）為解決術語誤譯問題提供了前所未有的技術支持

第一，依托大規模數據的深度學習訓練，大語言模型突破了傳統人工翻譯的局限，尤其適用于復雜或新興術語的翻譯。例如，對于“深度學習”（deeplearning）等新科技術語，大語言模型能夠迅速進行語義分析并生成準確譯文，無須等待譯者熟悉和理解術語。第二，大語言模型具有文化適應性和上下文學習能力，可根據語境和文化背景選擇最優譯法，確保譯文符合目標語的語用規范。例如，“bachelor\"在日常語境中譯為“單身男子”，而在教育語境中則應譯為“學士學位”。第三，大語言模型兼具傳統人力難以匹敵的跨學科理解與多語言協同能力，能識別術語在不同學科中的差異，實現多語種、跨領域的準確翻譯。例如，“cell”在生物學中應譯為“細胞”，在電信領域則應譯為“蜂窩”。第四，自監督學習賦予大語言模型強大的自適應能力，使其在持續接入新數據和領域微調過程中，及時掌握最新術語和翻譯規則，從而確保術語更新的實時性，如新藥學名和新型疾病術語。第五，大語言模型依托其強大的算力取得新的突破，使其能高通量處理大規模文本，從而減少譯者因時間壓力而產生的誤譯。與此同時，研究者也對大語言模型的濫用風險予以關注，諸如模型幻覺、數據偏見、隱私泄露與責任歸屬等問題。大語言模型可能生成錯誤信息、邏輯矛盾內容甚至虛構數據，因此在翻譯實踐中，核查與驗證工作不可或缺[5]。

總體而言，盡管挑戰依然存在，但大語言模型正深刻重塑翻譯實踐，術語誤譯的研究也將更多聚焦于“人機共譯”環境中的風險防控與協同優化。隨著人類邁人“人機智能共同體”時代，人機協作推動知識共享和創新，已成為當前學術與科技發展的新趨勢。

1術語誤譯研究的可視化分析

為全面了解術語誤譯的研究現狀和發展趨勢，本研究采用CiteSpace軟件繪制知識圖譜，以直觀展示該領域的歷史脈絡、現狀及研究熱點。CiteSpace由美國德雷塞爾大學陳超美博士開發，廣泛用于科學文獻中的數據的可視化，能夠全面展示科學知識領域的信息圖景，并識別關鍵文獻、研究熱點和前沿方向。

在中國知網（CNKI），以“術語誤譯”“術語錯譯”“術語翻譯不當”為主題進行檢索，時間范圍為1994年1月至2025年3月31日，文獻來源為總庫。經軟件自動去重和人工篩選后，共獲得386篇文獻。將文獻數據集導人CiteSpace，設置節點類型為關鍵詞，時間切片為10年，應用 g -index算法，設置 k=25 （即提取數據集中共現頻次居于前 25% 的關鍵詞作為節點），生成關鍵詞共現圖譜（圖1）。

在術語誤譯研究的關鍵詞共現圖譜中，“機器翻譯”和“譯后編輯”構成核心節點，表明術語誤譯問題高度關聯這兩個環節。機器翻譯通過自動化生成顯著提高了翻譯效率，但由于在術語識別與語境理解方面存在局限，具有較大誤譯風險。譯后編輯則在術語校正與譯文質量控制中發揮著關鍵作用。近年來，以生成式AI為核心的大語言模型（LLMs）推動了機器翻譯的技術躍遷。已有研究評估了大語言模型在文本翻譯、譯后編輯及多語言任務中的表現[7-10]，認為以ChatGPT為代表的大語言模型已成為\"人工譯者提升效率的實用性工具”[5]，但其技術邊界亦引發學界反思：盡管大語言模型在科技、法律等程式化文本翻譯中表現優異，面對文學等“軟文本”時，因文化隱喻解析與審美風格再現能力缺失，大語言模型誤譯風險更高[7，1I-13]。然而，亦有研究指出，ChatGPT“對社科、文學類作品的翻譯似乎也不遜色”[14]，顯示出在復雜文本處理能力方面的潛力。隨著模型不斷迭代升級，尤其是通過領域微調、指令優化、知識圖譜引入及術語庫整合，大語言模型正在逐步具備更強的專業化翻譯能力，這為高復雜度文本的翻譯提供了新路徑[15]。

圖1中國知網術語誤譯研究關鍵詞共現圖譜

在WebofScience數據庫中，盡管術語誤譯研究的文獻有限，但相關研究探討了術語誤譯的影響、文化心理因素對翻譯質量的影響，以及技術進步對翻譯質量的提升。在術語誤譯的影響方面，Algryani[1]的雙語公共標志翻譯研究揭示了術語誤譯可能導致的文化誤解和信息失真；Jaime和Teixeira[17]分析了醫學預印本中術語誤譯對學術交流的負面影響;Fogarty等[18探討了全球健康安全領域中翻譯偏差帶來的潛在風險;Byrme[19]則指出，法律和技術文本中的術語誤譯可能引發法律、財務和安全事故，甚至可能使譯者面臨法律責任。在文化和心理層面，Jiang等[2從心理學視角分析非遺術語的翻譯過程，揭示了文化語言復雜性對翻譯質量的深遠影響;Lenart 和 Buvalin[21]聚焦醫療職業名稱在不同文化背景下的語義差異，進一步豐富了術語誤譯研究的文化視角。此外，Zhang[22]和Li 等[23]的研究表明，機器翻譯模型的優化和計算機輔助翻譯軟件的應用顯著提高了翻譯的準確性和效率。

通過對國內外學者研究成果的分析可見，隨著大語言模型的迅速發展，術語誤譯研究正逐步向跨學科融合和技術驅動方向演進。基于這一背景，本研究旨在深入探討大語言模型在多學科術語誤譯改進中的應用，并通過實證研究評估大語言模型對提升術語翻譯質量的貢獻

2 誤譯術語案例收集與提示詞設計

在術語誤譯研究中，輿論提供了重要的風險識別視角。本文選取百度貼吧與知乎為核心數據源，構建具有代表性的術語誤譯樣本庫。網絡平臺上“誤譯術語”常引發討論，這些“吐槽”多源于學習、研究與實踐中的真實困擾，凸顯出術語誤譯對知識掌握與傳播的負面影響。當誤譯長期未被糾正，用戶往往通過諷刺、質疑等方式在社交平臺發聲，推動術語批評由學術領域擴展至公眾話語空間，形成社群化監督機制，也進一步凸顯術語標準化的緊迫性與現實干預價值。

與學術文本中需要人工識別的隱性誤譯不同，網絡用戶常以“離譜翻譯”“術語錯誤”等關鍵詞主動標注高風險術語，顯著提升識別效率。基于此，本文以誤譯術語的社會響應強度為核心，利用爬蟲技術跨平臺、跨語境進行樣本采集。針對百度貼吧和知乎開展定向抓取，前者話題覆蓋面廣、更新迅速，后者討論較為深入，尤其在一些專業領域具有較高的參與度。通過設定“誤譯術語”“術語不當翻譯”等關鍵詞進行檢索，共獲得14524條數據，其中百度貼吧843條，知乎13618條。為確保數據質量，采用pandas庫的drop_duplicates方法進行去重處理，并結合人工校對，剔除拼寫錯誤和非術語詞匯，最終獲得了高質量、低噪聲的術語誤譯數據集

在數據分析過程中，本文借助OpenAI的Chat-GPT-4o，通過對話機制挖掘術語的學科背景、源語言特性、誤譯成因、傳播路徑以及文化適應性等關鍵信息。針對前文所述的大語言模型幻覺、推理錯誤等問題，本文基于ChatGPT-4o提供的信息線索，結合字典、術語庫、相關領域的教科書與學術論文進行了詳盡查證。

在大語言模型交互中，提示詞（prompt）的設計至關重要。提示詞能夠明確大語言模型的執行角色、使用背景和任務目標，具有鮮明的場景特征。通過精心設計提示詞，用戶能夠有效引導模型高效完成特定任務，并通過反饋機制不斷優化輸出結果。本研究借鑒了2023年新加坡首屆GPT-4提示工程大賽冠軍張席拉（SheilaTeo）提出的CO-STAR框架以及 Milton Pividori[24]在 Nature發表的ChatGPT提示詞示例，設計了針對術語誤譯及其應對策略的特定提示詞，強調模型的執行角色，嵌入針對性約束條件，增強了大語言模型在識別誤譯和術語分析中的任務導向性和專業性。

你是一位經驗豐富的翻譯家，掌握英、漢等多種語言，并具有全學科知識背景，擅長分析跨學科術語的誤譯現象。請逐項分析以下術語，結合不同學科的知識，探討誤譯原因、背景及替代詞建議，并評估現有譯法與建議譯法的準確性、語義完整性和文化適應性。你的分析中須運用數據與推理支持結論，應體現學術深度和邏輯嚴謹性。分析包括以下要素：

術語基礎信息

·術語名稱：·源語言：·學科領域：·術語背景：

現有譯法分析·現有譯法：·準確性與語義完整性：·文化適應性：

誤譯原因與替代建議·誤譯原因：·誤譯年代與背景：·替代詞建議：

3大語言模型輔助誤譯分析與對策建議

基于ChatGPT-4o的分析結果，本文將數據集中的典型誤譯術語劃分為濫譯、硬譯、缺譯和偏譯四類。在ChatGPT-4o的輔助下，剖析了各類誤譯現象，并提出了相應的譯文改進建議。

3.1 濫譯

濫譯指翻譯過程中由于隨意、不負責任或缺乏規范而導致譯文嚴重偏離原義。正如許淵沖在《翻譯的藝術》中所言，“濫譯就是翻譯中的自由主義”[25]。濫譯現象通常源于早期機器翻譯的局限性，或譯者的疏忽與不嚴謹。

濫譯現象在專有名詞和人名的翻譯中尤為突出。例如，蔣介石的外文譯名“ChiangKai-shek\"被誤譯為“常凱申”，而“Menfucius”（孟子）被譯為“門修斯”。更極端的例子是將中國教育理念“立德樹人\"誤譯為“khalidents”。在此例中，“khalid”是常見的阿拉伯人名，通常譯為“哈立德”或“立德”，而“ents\"在不同語境下有多種含義，在托爾金的奇幻作品中指代樹精。“khalidents”與“立德樹人\"毫無關聯，甚至頗為荒謬。然而，令人驚訝的是，在中國知網、谷歌學術和維普等平臺搜索“khalidents”一詞，竟發現數十篇文獻沿用了這一錯誤譯法。

借助大語言模型，這一問題得到了有效解決。針對“立德樹人”的誤譯，ChatGPT-4o通過中英文文本對比分析，準確識別出“khalidents”這一表述與原文“立德樹人”核心理念之間的顯著語義偏差，進而提出了多種翻譯修正建議，其中“fosteringvirtuethrougheducation\"經過ChatGPT-4o的信息追溯功能驗證，確認與新華社正式發布的中國共產黨第十九次全國代表大會報告的官方雙語譯法一致，體現了大語言模型高度的專業性與準確性。

3.2 硬譯

硬譯，亦稱死譯，是一種過于拘泥于形式的翻譯方式，通常表現為逐字逐句的生硬翻譯，忽視譯文的流暢性，甚至背離了原文的真實含義和風格[26]。魯迅在《風馬牛》中批評了這一現象，他指出，將“MilkyWay”逐字譯為“牛奶路”，雖保留了字面意義，卻未能契合中文語境，造成了“牛頭不對馬嘴”的效果。

大語言模型在硬譯的檢測和修正方面表現出色。例如，“hardcopy”傳統直譯為“硬拷貝”，雖與原詞字面對應，卻未傳達其在中文中的實際含義，即電子文檔的紙質版本或打印稿。大語言模型結合其語義解析和上下文理解能力，能夠識別這種字面化的翻譯偏差。ChatGPT-4o建議使用“打印稿\"或“紙質副本”作為替代譯法，不僅更貼合原義，也更符合中文表達習慣，提升了譯文的明晰度與可讀性。

類似的硬譯現象在自然科學與工程技術領域也屢見不鮮。如“eclipsedferrocene”被誤譯為“超越二茂鐵”，此譯法顯然違背了術語等值翻譯原則。

“eclipsed”描述的是二茂鐵分子的特定空間構型，即分子中兩個環相互重疊的狀態，而“超越”一詞無法準確傳達這種空間結構特征，還因其評價性色彩而造成了不必要的誤導。ChatGPT-4o在結合化學專業知識的基礎上，提供了“重疊二茂鐵”這一更準確且符合科學表述習慣的譯法。

3.3 缺譯

缺譯是指在翻譯過程中，由于源語言和目標語言在語言結構及文化背景上的差異，難以找到直接對應的詞匯，從而造成了原文信息的缺失或誤解。這種“缺譯”現象中的“缺”，本質上源于文化空缺，最終致使意義失落。對此，譯者常常需要靈活采用翻譯方法，如音譯、意譯、改譯或創譯，以彌補文化和語言之間的空白。在此過程中，大語言模型的作用尤為突出，它能夠提供多元化的翻譯方案，為語言文化的鴻溝架起橋梁，甚至能啟發譯者創作出令人耳目一新的譯文。

音譯是一種應對文化空缺的“異化”策略，通過保留原詞的發音，避免直譯造成的語義失真和文化錯位。音譯常用于文化負載詞的翻譯中。例如，“士大夫”一詞在中國古代政治文化中既象征知識分子的身份，又承載官僚階層的特質，在西方難以找到對應詞。雖然“scholar-official”或“scholar-bu-reaucrat”能夠表達其部分意義，但仍無法全面體現“士大夫”階層的文化深度。而音譯“ShiDaFu”則能有效保留原詞的文化特性，避免誤讀。此外，像“龍\"（loong）、“功夫\"（gongfu）和“餃子\"（jiaozi）等文化關聯詞也常通過音譯保留其獨特的文化意涵。近年來，“中國大媽”成為新的文化現象，《華爾街日報》使用音譯，以“ChineseDama”來指代這一在社會經濟領域占據獨特地位的群體，吸引了眾多研究者的關注[27-28]。類似的音譯方法也被應用于現代文化產品的翻譯中，如《黑神話：悟空》中的“SunWukong”和“JinGuBang”，通過音譯傳遞濃厚的中國文化色彩。在此類文化負載詞的翻譯中，ChatGPT-4o也建議對諸如“旗袍”（qipao）、“風水”（fengshui）、“氣功”（qigong）、“饕餮”（taotie）、“年糕”（niangao）等詞采用音譯，以保留其文化獨特性，彰顯文化異質性。

盡管科技類術語不像歷史文化詞匯那樣蘊含豐富的文化底蘊，但它們也常面臨缺譯問題。尤其在一些新興學科領域，目標語言中往往缺乏直接的對應詞，這要求譯者在音譯和意譯間謹慎權衡，力求準確傳達源語言的概念精髓。在此過程中，大語言模型憑借其強大的深度分析能力，能夠細致剖析源語言與目標語言之間的微妙聯系，并緊密結合相關學科背景，為譯者提供多樣化的翻譯方案，從而有效輔助譯者做出明智的抉擇。例如，“robust”常被音譯為“魯棒性”，但這一譯法缺乏語義直觀性，易引發理解障礙。為了更貼近中文讀者的認知，ChatGPT-4o提出了“穩健性”“強健性”等譯法，并分析了各譯法的適用場景。同樣，“carbene”和“turbine”雖可音譯為“卡賓”和“透平”，但意譯為“碳烯”和“渦輪”更符合中文語言習慣，更易理解。

增譯作為一種重要的翻譯技巧，能夠彌補語言對齊時的概念殘缺。大語言模型通過對原語義的深刻理解和目標語言特性的準確把握，能夠為譯者提供恰當的詞匯選擇和結構建議，從而提升譯文的可讀性。以“宏”（macro）一詞為例，盡管它在計算機科學領域已被廣泛使用，但對于非專業領域的讀者而言，僅憑“宏\"這一單字，難以直觀理解其具體的功能含義。在此情境下，ChatGPT-4o提出了“宏指令”這一增譯策略，既保留了“宏”一詞的原有廣泛含義，又通過添加“指令”一詞，清晰地揭示了其在計算機編程中作為一系列預設操作或代碼塊的特定作用。這種增譯策略不僅能幫助讀者更直觀地理解術語的原理，還能有效避免因文化差異或詞匯多義性引發的誤解。

創譯則是一種在缺乏直接對應詞的情況下，通過創造出既能傳達術語的核心概念，契合其文化內涵，又符合目標語言習慣的新詞匯的策略。例如，“ideophone”一詞在漢語中沒有完全對應的譯法，“象聲詞”“擬聲詞”“擬音詞”“狀貌詞”等譯名雖各有側重，但均未涵蓋該術語的豐富內涵。ChatGPT-4o提出的“音象詞”這一創新譯法，不僅體現了聲音與形象的結合，又引入了《老子》的“大音希聲，大象無形”的哲學意境，賦予了譯詞更為豐富的文化內涵。這一譯法與徐夢真2的見解不謀而合，彰顯了其內在合理性。在此過程中，大語言模型為創譯提供了靈感和建議，通過引用文化典籍增強了術語在漢語語境中的接受度和傳播力，從而創造出更符合目標語言文化的新詞匯。

3.4 偏譯

本文提出“偏譯”這一概念，專指翻譯實踐中譯文雖在整體上保持原義，但因術語選擇不當、語境理解偏差或文化適配失誤，導致局部語義偏移的現象。其核心特征是隱蔽性強，術語導向明顯，具有學科特異性。偏譯現象主要體現在三個方面：其一，術語使用不一致，反映出翻譯規范的缺失，亟須統一；其二，譯文滯后于時代發展，未能緊跟科學進步或語境變遷的步伐，亟須更新;其三，譯者對原文的理解存在偏差，尤其是因文化背景知識匱乏而導致的原義傳達失真，甚至可能誤導讀者，亟待糾正。

偏譯不是顯性錯誤，而是“可理解但不準確”的翻譯陷阱。不同于濫譯的整體語義斷裂、硬譯的結構僵化和缺譯的文化空白，偏譯往往語義連貫、語用自然。大語言模型的歷時語料檢索能力、跨語境分析能力和專業知識圖譜支持，有利于識別術語映射中因偏譯而產生的偏差。

術語的統一性是保障科學交流有效性的重要基礎。一旦概念與術語之間的單一對應關系出現偏差，便可能引發術語的多義性現象，從而影響交流的準確性。孟令霞指出：“術語作為在該術語系統中趨于單義性的功能單位，在確定語境的具體使用中為了完成交際任務，不應該有若干個意義”[1]。在“待統一\"類術語中，部分在中文中已明確界定的術語，在英譯中卻出現了多種譯法。以臨床術語“心律絕對不齊”為例，該術語特指因心房顫動導致的心室率極度不規則狀態。然而，英譯中出現了“absolutely irregularrhythm”和“irregularlyir-regularrhythm”兩種譯法。盡管“absolutelyirregularrhythm”直譯了“絕對”一詞，但“absolutely”作為副詞，常用于強調事物的絕對性或無誤性，無法準確傳達“極度不規則”的醫學概念。相較之下，“irregularlyirregularrhythm”通過重復“irregular”一詞，準確傳達了“不規則中的極度不規則”這一醫學內涵，更符合醫學術語的嚴謹性要求。

語言是文化與科技發展的鏡像，術語作為專業領域內精煉的語言符號，其演變映射出科學進步與認知深化的軌跡。然而，由于語言慣性的阻礙，眾多術語未能及時跟上時代步伐，進而在社會文化生活的多個層面產生持續的不良影響。例如，“cervical ectropy”曾被誤譯為“宮頸糜爛”，這一錯誤源于將宮頸區域的紅色外觀誤解為病理性“糜爛”，并在臨床實踐中將其視為需要治療的病癥。然而，隨著醫學研究的深入，這一誤解已被糾正：該現象實為宮頸柱狀上皮的一種正常生理異位。《婦產科學》第七版[30已將其修改為\"宮頸柱狀上皮異位”，這一更正不僅更能準確地傳達其科學本質，還避免了不必要的治療干預及文化誤解。在對該術語的分析中，ChatGPT-4o結合醫學的發展歷程，闡明了該術語的誤譯根源。

亟待糾正的誤譯現象主要歸因于近音異義詞、多義詞的混用。例如，“carbonstorage”這一術語，在礦產資源領域指碳的累積量和可開采性，應譯為“碳儲量”；在生態學領域，它指碳在自然環境中的封存與循環機制，應譯為“碳貯量”。然而，“碳儲量”在生態學中的不當使用影響了術語的準確性。同樣，經濟學術語“pricediscrimination”常被譯為“價格歧視”，這一譯法帶有負面道德評判的傾向，容易誤導讀者。ChatGPT-4o建議改譯為“價格分級”或“價格差異化”，以便中性地傳達其經濟學含義。此外，譯者缺乏相關領域背景知識，也是誤譯的原因之一。例如，計算機科學中的“parentdele-gation\"指類加載器在加載類時，優先委托父類加載器進行加載，準確譯法應為“父委派機制”，而非常見的“雙親委派機制”。法律術語“unjustenrichment”常被譯為“不當得利”，但該術語在英美法系中所涵蓋的范圍比《民法通則》中的“不當得利”更廣，還包括無因管理、違反信托等情況。ChatGPT-4o建議改譯為“不當收益”，并附注釋以涵蓋其完整的法律含義。在化學領域，“functionalgroup”常被譯為“官能團”，但此譯法容易與“官”字產生誤導性聯想。ChatGPT-4o建議將其改為“功能團”，以提升術語的科學準確性。同樣，哲學與倫理學中的“功利主義”“表現主義”“享樂主義”。

在中文語境中因帶有貶義色彩而偏離了原義。ChatGPT-4o建議將其分別改譯為“功用主義”“寫情主義”“快樂主義”，以還原其中性或正面的哲學內涵。

總體而言，大語言模型在應對各類術語誤譯時展現出多維糾錯能力，能夠精確適配不同誤譯類型，提供系統性解決方案。對于濫譯，ChatGPT-4o憑借大數據分析和語義理解能力，能夠迅速識別嚴重偏離原義的錯誤，并依據權威文獻推薦經過驗證的譯法；對于硬譯，ChatGPT-4o展現出強大的上下文解讀和語用分析能力，能夠識別逐字翻譯的生硬之處，并結合目標語言表達習慣優化譯文，提升其流暢性與可讀性;對于缺譯，ChatGPT-4o借助多維語義構建與文化背景分析，提供音譯、意譯、增譯和創譯等多樣化解決方案；對于偏譯，ChatGPT-4o結合精細的術語對比和上下文適配能力，能夠快速識別因術語選擇不當或理解偏差導致的偏離，并通過檢索各學科領域的術語標準化譯法，確保術語使用的統一性和專業性。ChatGPT-4o對學科背景的精準把握，使其成為提升術語一致性、維護專業交流準確性的強大工具。

4結語

翻譯不僅是語言的轉換，更是思想和知識在不同文化中的流動與交融。在這場跨越語言和文化的“旅程”中，術語常在多個“驛站”間面臨失真風險。譯者在認知與腦力上的局限，使其往往難以準確高效地翻譯跨文化與跨學科術語。大語言模型的出現，為這一難題提供了切實可行的解決方案。本文以ChatGPT-4o為輔助工具，深入分析了濫譯、硬譯、缺譯與偏譯現象，系統探討了這些現象對跨文化交流的影響及相應的應對方法。在文學翻譯和典籍翻譯等富含深層次文化解讀與情感表達的領域，大語言模型尚需要多次人工提示引導，但在應用型翻譯中，它已展現出高效率（可在單次指令內完成）、跨學科與多語言支持等顯著優勢。尤其在識別和修正翻譯偏差方面，大語言模型表現突出，在處理多義詞與跨學科術語時更是表現出色，這充分彰顯了大語言模型在推動術語翻譯標準化與專業化發展中的巨大潛力。總體而言，大語言模型在術語翻譯中的應用不僅是翻譯領域的一次革新，更是在知識爆炸、學科加速融合的時代背景下，人類邁向“人機智能共同體”的必然選擇。

參考文獻

[1]孟令霞.從術語學角度看術語翻譯[J].中國科技翻譯，2011（2） ：28-30，44.

[2]冷冰冰.科技翻譯典型翻譯癥之分析[J].中國科技翻譯，2012（3） ：8-11.

[3]楊先明.術語翻譯中的誤譯現象及其消減策略[J].中國科技翻譯，2014（3）：5-8.

[4]CAHN R W. The Coming of Materials Science[M].London：Pergamon，2001：14-15.

[5]王贊，張鄭.ChatGPT人工智能翻譯的隱憂與紓解［J].中國翻譯，2024（2）：95-102.

[6]侯劍華，胡志剛.CiteSpace軟件應用研究的回顧與展望[J].現代情報，2013（4）：99-103.

[7]耿芳，胡健.人工智能輔助譯后編輯新方向：基于ChatGPT的翻譯實例研究[J].中國外語，2023，20（3）：41-47.

[8]趙雪，趙志梟，孫鳳蘭，等.面向語言文學領域的大語言模型性能評測研究[J].外語電化教學，2023（6）：57-65，114.

[9]趙衍，張慧，楊祎辰.大語言模型在文本翻譯中的質量比較研究[J].外語電化教學，2024（4）：60-66

[10]文旭，田亞靈.ChatGPT應用于中國特色話語翻譯的有效性研究[J].上海翻譯，2024（2）：27-34.

[11]葉子南.在ChatGPT時代，人譯獨領風騷[J].中國翻譯，2023（3） ：173-178.

[12]王克非.智能時代翻譯之可為可不為[J].外國語（上海外國語大學學報），2024，47（1）：5-9，13.

[13]胡開寶，李翼.機器翻譯特征及其與人工翻譯關系的研究[J].中國翻譯，2016，37（5）：10-14.

[14]劉云虹.當下翻譯批評應關注的幾個問題[J].外國語（上海外國語大學學報），2024，47（1）：14-16.

[15]李德鳳，王華樹，劉世界.國家翻譯技術能力與大語言模型[J].上海翻譯，2025（2）：18-24.

[16]ALGRYANI A. On the Translation of Linguistic Landscape：Strategies and Quality Assessment[J]. Khaziar Journal ofHumanities and Social Sciences，2021，24（2） ：5-21.

[17]JAIME A，DA SILVA T.“Tortured phrases” in preprints[J].Current Medical Research and Opinion，2023，39（5） ：785-787.

[18]FOGARTY A S，AHMED M J，LINDER A G，et al. Lost inTranslation ： The Importance of Addressing Language Ineq-uities in Global Health Security[J].BMJ Global Health，2023，8（12） ：1-6.

[19]BYRNE J. Caveat Translator： Understanding the LegalConsequences of Errors in Professional Translation[J].Journal of Specialised Translation，20O7，7：2-24.

[20]JIANG L，LV M，WEN Y，et al. Bilingual Conversion inthe Translation ofICH Terms：A Study onthePsychological Processes of Translators[J]. Journal of Psy-cholinguistic Research，2023，52（6） ：2239-2256.

[21] LENART I，BUVALIN N. Cultural Aspects of MalaysianEnglish and Russian Medical Profession Names[J]. 3L：The Southeast Asian Journal of English Language Studies ，2020，26（2） ：24-36.

[22] ZHANG L. Exploring on the Eficiency Influence of Com-puter-Assisted Translation software to English-Chinesetechnical translation[J]. Agro Food Ind. Hi-Tech，2017，28（3） ：3532-3537.

[23]Li Y，SHAN Y，LIU Z，et al. Transformer fast gradientmethod with relative positional embedding：a mutual trans-lation model between English and Chinese[J]. Soft Com-puting，2023，27（18） ：13435-13443.

[24] PIVIDORI M. Chatbots in science： What can ChatGPT dofor you？[J]. Nature，2024.（2024-08-14）[2025-03-01]. https：//www. nature. com/articles/d41586 - 024 -02630-z ：

[25]許淵沖.翻譯的藝術[M].北京：五洲傳播出版社，2017：55.

[26]斯多布尼科夫，彼得羅娃.翻譯理論[M].鄭文東，張棟，王瑞瑤，譯.武漢：武漢大學出版社，2022：133.

[27]HUANG C.Becoming Dama： The New Old Age in UrbanChina[J]. Journal of Aging Studies，2021，57：1-8.

[28]XU M，TIAN C. So many tuhao and dama in China today ：The latest developments in China English vocabularybased on the China Daily website[J].English Today，2017，33（2） ：2-8.

[29]徐夢真.外來術語的翻譯失真問題與知識圖譜介入對策[J].語言文字應用，2023（1）：76-87.

[30]樂杰.婦產科學[M].7版.北京：人民衛生出版社，2008：前言.