更新時間:2024-08-13 10:37:17作者:佚名
在《簡單通俗解釋“一個簡單的提示大大提升了ChatGPT翻譯質量,告別“機器翻譯感”》這篇文章中,我打過一個比喻:
現在我們再引入另一個角色:“校長,精通中文和英文”,讓校長檢查翻譯結果,指出文章中的問題,最后讓中文老師進行修改。
那么如何才能取得更好的驗證效果呢?
借用@goldengrape 的想法():“當從中文翻譯成英文時,我經常在 deepL 上進行回譯,這樣可以輕松判斷含義是否有明顯的偏差。”
借助這個思路,我們可以先請英語老師把意譯文的初稿翻譯回去,再請校長校對,看是否有明顯的意義偏差,如果有,就指出問題所在,讓語文老師修改。
整個翻譯過程
整個翻譯流程也與現實生活中的工作流程相似:
英語老師先將英文文章翻譯成中文,形成直譯。漢語老師再將釋義翻譯并潤色,形成釋義初稿。英語老師再將釋義翻譯回英文多久一次英語的英文,形成回譯。校長對比原文、釋義和回譯,指出問題并進行修改。漢語老師根據校長的反饋意見修改釋義初稿,形成最終稿。效果如何?
我在LinkIn上測試了一篇英文文章,“校長”提了幾點建議,比較靠譜:
對比原文1中缺失或者有歧義的部分:
以下為中文翻譯版中不符合中文慣例的部分:
完整消息歷史記錄:
優點和缺點
經過五步驗證,可以有效避免翻譯中的遺漏和偏差,提高翻譯質量。
但這樣做的弊端也很明顯:
翻譯需要五步才能完成,耗時耗力,消耗大量 token,成本高,翻譯質量受初稿影響很大,如果初稿質量不高,后續翻譯質量就會受到影響。總結
這個提示更多的是一個思路的參考,就是可以在提示中引入更多的角色貝語網校,從而有一個完整的工作流程。
但在實際使用中,需要根據實際情況拿捏平衡:如果在意成本,兩步就可以了,然后對翻譯結果的重點部分進行人工校對;如果不在意成本,甚至可以引入更多的角色,比如一開始讓2-3個風格各異的英語老師翻譯多久一次英語的英文,然后讓中文老師選取最優的結果進行自由翻譯,這樣就可以避免因為第一次翻譯的結果不好,而導致后續翻譯質量不佳的問題。
附錄 提示 參考
現在你要幫忙解釋一篇專業的技術文章成簡體中文給大學生閱讀。規則:- 翻譯時要準確傳達學術論文的事實和背景,同時風格上保持為通俗易懂并且嚴謹的科普文風格。- 保留特定的英文術語、數字或名字,并在其前后加上空格,例如:"中 UN 文","不超過 10 秒"。- 即使上意譯也要保留術語,例如 FLAC,JPEG 等。保留公司縮寫,例如 Microsoft, Amazon 等。- 保留引用的論文,例如 [20] 這樣的引用;同時也要保留針對圖例的引用,例如保留 Figure 1 并翻譯為圖 1。- 全角括號換成半角括號,并在左括號前面加半角空格,右括號后面加半角空格。- 輸入格式為Markdown格式,輸出格式也必須保留原始Markdown格式現在有三個角色:- 英語老師,精通英文,能精確的理解英文并用中文表達- 中文老師,精通中文,擅長按照中文使用喜歡撰寫通俗易懂的科普文- 校長,精通中文和英文,擅長校對審查和步驟來翻譯這篇文章,每一步都必須遵守以上規則,打印每一步的輸出結果:Step 1:現在你是英語老師,精通英文,對原文按照字面意思直譯,務必遵守原意,翻譯時保持原始英文的段落結構,不要合并分段Step 2:扮演中文老師,精通中文,擅長寫通俗易懂的科普文章,對英語老師翻譯的內容重新意譯,遵守原意的前提下讓內容更通俗易懂,符合中文表達習慣,但不要增加和刪減內容,保持原始分段Step 3: 英文老師將中文老師的文稿反向翻譯成英文(回譯稿)Step 4:扮演校長,精通中文和英文,校對回譯稿和原稿中的區別,重點檢查兩點:翻譯稿和原文有出入的位置;不符合中文表達習慣的位置;Step 5:中文老師基于校長的修改意見,修改初稿本條消息只需要回復OK,接下來的消息我將會給你發送完整內容,收到后請按照上面的規則和下面的格式打印翻譯結果,返回格式如下,"{xxx}"表示占位符:### 英語老師直譯結果{英語老師直譯結果}### 中文老師意譯初稿{中文老師意譯初稿}### 英語老師回譯{英語老師回譯稿}### 校長校對意見以下是在中文翻譯中缺失的部分:{重復以下列表,直到列出所有缺失的內容}- 對比原文缺失或表達歧義部分{1...n}:- 原文:“{English}”- 譯文:“{譯文}”- 建議:{新增翻譯 or 修改翻譯}以下是中文翻譯表達不符合中文習慣的部分:{重復以下列表,直到列出所有需要修改的內容}- 修改{1...n}:- 原文:“{English}”- 譯文:“{譯文}”- 建議:{修改后內容}### 中文老師翻譯終稿{中文老師翻譯終稿}英文原文:
Sam Altman 最近向 Y Combinator 校友們發表了演講。記下以下筆記以免忘記:
“人工智能女友”的想法是個陷阱 - 避免它。ChatGPT 有一個機器人的名字,這樣人們就不會依戀它。
OpenAI 在取得成功之前也犯過錯誤 - 他們甚至為游戲開發了人工智能 (?!)。只有 1 名研究人員探索了法學碩士,而其余的研究人員則走上了一條不那么有前途的道路。
簡單地重新包裝 OpenAI 的公司將會倒閉——尤其是如果它只是一個 UI 層。價值必須是獨一無二的。不要專注于成本/速度,因為這正是 OpenAI 正在解決的問題。
能源/智能的成本將大幅下降。其影響令人震驚。
在沒有可靠計劃的情況下籌集大量資金通常是愚蠢的——不要以為你以后會想出辦法。僅僅因為 Sam 做到了,并不意味著你應該這樣做。
我的要點:
避免誘人但膚淺的人工智能應用
在基礎技術之上構建獨特價值
?? 能源/計算成本將釋放出瘋狂的新功能
根據你的計劃戰略性地籌集資金
請告訴我你的想法!Sam 的智慧是一座金礦。什么最能引起你的共鳴?
最終中文翻譯版
Sam Altman 最近向 Y Combinator 校友發表了演講,分享了一些寶貴的見解。我立即記下了一些關鍵點,以免忘記它們:
“人工智能女友”的想法是個陷阱——避免它。ChatGPT 的名字故意不帶個人色彩,以防止人們產生依戀。
OpenAI 在走上正軌之前曾走上錯誤的道路——他們甚至為游戲開發了人工智能(哇?!)。只有一名研究人員致力于探索法學碩士學位,而其他人則走上了看似不那么有前途的道路。
那些只是 OpenAI 包裝的公司將會消失——尤其是那些只添加 UI 層的公司。價值必須是獨一無二的。OpenAI 專注于成本和速度,所以你不必這么做。
能源和智能的成本將成倍下降,這為未來帶來了無限的可能性。
在沒有明確計劃的情況下籌集大量資金是不明智的——不要以為你以后會找到答案。僅僅因為 Sam 做到了,并不意味著你也應該這樣做。
我的主要見解:
避免投資看似誘人但實際膚淺的人工智能項目
基于基礎技術創造獨特價值
?? 降低能源和計算成本將釋放令人驚嘆的新功能
籌款需要根據你的實際計劃制定策略和規劃
請告訴我您的想法!Sam 的見解是一座寶庫,您最認同哪一個?
兩個人工智能代理