摘要
本文选取钒钛科技文本为语料,选用神经网络机器翻译(NMT)与大语言模型(LLM)翻译为研究工具,采用谷歌翻译和GPT进行实验,旨在探究二者在钒钛科技翻译中的实践应用。研究发现,以LLM翻译为代表的GPT在专业术语翻译、语义准确性、句间逻辑性上优势显著,而以NMT为代表的谷歌翻译则在快速翻译场景中则更具优势。基于二者互补性,提出“领域适配+工具协同”的应用框架,为钒钛科技翻译的质量与效率提升提供实践路径。
This study takes vanadium and titanium scientific and technical texts as its corpus and employs Neural Machine Translation(NMT)and Large language model(LLM)-based translation as research tools.Google Translate and Generative Pre-trained Transformer(GPT)were selected for the experiment to investigate their practical applications in the English translation of vanadium and titanium scientific and technical texts.The results show that GPT,as an LLM-based system,has significant advantages in terminology translation,semantic accuracy,and inter-sentential coherence,whereas Google Translate,representing NMT,holds advantages in scenarios requiring rapid translation.Based on their complementarity,this study proposes an application framework of"domain adaptation and tool collaboration",offering a practical pathway to enhance the quality and efficiency of scientific and technological translation for vanadium and titanium texts.
出处
《中国科技翻译》
2026年第1期27-30,39,共5页
Chinese Science & Technology Translators Journal
基金
2023年度重庆交通大学—中铁十一局集团第五工程有限公司翻译研究生联合培养基地项目(项目编号:JDLHPYJD2023005)
2022年度重庆市研究生导师团队建设项目“中外文学文化交流与传播”(项目编号:JDDSTD2022010)
重庆交通大学外国语学院研究生科研创新项目“基于人机协同的AI赋能交通工程翻译学习模式与路径研究”(项目编号:WYX2401)的部分研究成果。
关键词
神经网络机器翻译
大语言模型翻译
钒钛科技翻译
谷歌翻译
GPT
Neural Machine Translation(NMT)
Large Language Model(LLM)translation
vanadium and titanium scientific and technical translation
Google Translate GPT
