arXiv cs.CL· Wenshi Gu·· 12 小时前AI 评分8
基于 RAG+Prompt 的日汉翻译系统：面向名词修饰从句的循证翻译研究（已撤稿）
From prompting to evidence-based translation: A RAG+prompt system for Japanese-Chinese translation and its pedagogical potential
AI 导读
一项已被作者撤稿的研究提出 RAG+Prompt 日汉翻译系统，在不修改基座模型的前提下结合语言学分析与嵌入检索，用 GPT-4o 在 66 句测试集上评测。知识库从 0 增至 2,000 条时，句级宏平均 BLEU 由 24.28 升至 29.96（+5.68，+23.4%）。作者因发现实验数据存在错误而撤回该版本。
正文 · AI 翻译
本文已被 Wenshi Gu 撤回
摘要：大语言模型在高资源语言对上表现良好，但在包含名词修饰从句结构（NMCC）的日汉句子上可靠性较低。本研究评估了一个检索增强生成 RAG+Prompt 翻译系统，该系统集成了语言分析、基于嵌入的检索、提示构建和 LLM 生成，且不修改基础模型。分析模块输出 A1（内层与外层 NMCC）和 A2（风险预测：词汇选择/NMCC 处理/语序/风格/语域）；top-k = 5 个相似日汉示例（L2 距离）以及 A1/A2 被插入增强提示中。使用 GPT-4o 和 66 句测试集，我们比较了六种知识库规模（0/100/200/500/1,000/2,000）。宏平均句子级 BLEU（1-4 元组并带简洁性惩罚；区分大小写；中文按字符级计算）是唯一指标。平均 BLEU 从 0（禁用 RAG）时的 24.28 提升至 2,000 时的 29.96（+5.68；+23.4%）。上升趋势在各规模下均成立，知识库越大得分越高。我们得出结论：RAG+Prompt 翻译系统以可解释、可审计的方式改善了包含 NMCC 的句子的日汉翻译。局限性包括仅使用一个基础模型、一个指标，以及依赖已发表文本和商业 API；未来工作将拓宽体裁、语言对和评估指标。
| 评论： | 作者已发现实验数据中的错误，并决定撤回本版本稿件 |
| 主题： | 计算与语言（cs.CL） |
| 引用为： | arXiv:2605.03387 [cs.CL] |
| （或 arXiv:2605.03387v2 [cs.CL] 用于本版本） | |
| https://doi.org/10.48550/arXiv.2605.03387 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Wenshi Gu [查看电子邮件]
[v1]
2026年5月5日星期二 05:48:08 UTC（413 KB）
[v2]
2026年10月21日星期三 06:28:10 UTC（1 KB） （已撤回）
来源：arXiv cs.CL · arxiv.org