立项评审通过 创新训练 520计算机科学技术 理论研究-科学技术未定级

当前，机器翻译系统主要依赖于基于超大规模平行语料库的神经网络训练方法，这种方法在处理大规模数据时表现十分出色，但对于复杂语言现象的处理则存在局限，一定程度上说这是对语言学理论应用的重视程度欠缺导致的，单纯依赖数据驱动的方法显然还不够。因此，我们从语言学的角度出发，深入研究语言学理论，特别是“一语双关”涉及到的语言结构、语义原理、翻译策略、效果评估等，以深刻理解语言的结构和含义，基于大语言模型的超强泛化语言能力，结合提示词工程、模型自反思自迭代，可以提出更加少标注、智能化的翻译策略和算法，以更好地处理“一语双关”的复杂语言现象，达到更好的语用学翻译效果。