Исследователи проанализировали эффективность современных LLM при переводе текстов с высокой культурной нагрузкой, используя в качестве эталона классический китайский роман «Сон в красном тереме». Работа выявила существенные пробелы в способности моделей передавать глубинные социально-культурные смыслы, которые выходят за рамки буквальной лингвистической интерпретации, несмотря на общую высокую точность систем в стандартных задачах перевода.
В ходе эксперимента авторы систематизировали основные барьеры, с которыми сталкиваются нейросетевые архитектуры при работе с контекстуально зависимыми выражениями. Традиционные методы машинного перевода часто игнорируют исторический и социальный подтекст, что приводит к потере авторского стиля и искажению смысловых нюансов. Исследование подчеркивает необходимость разработки новых подходов к обучению моделей, учитывающих не только грамматические структуры, но и культурные коды.
Результаты работы указывают на то, что текущие бенчмарки машинного перевода недостаточно полно отражают качество работы моделей с художественной и исторической литературой. Авторы предлагают методологию оценки, сфокусированную на сохранении культурной идентичности текста, что может стать основой для улучшения специализированных систем перевода, работающих с литературным наследием и сложными гуманитарными контекстами.
Ключевые факты
- В качестве основного материала для анализа использован роман XVIII века «Сон в красном тереме».
- Исследование сфокусировано на выявлении разрыва между лингвистической точностью и культурной адекватностью перевода.
- Выявлено, что текущие LLM склонны к упрощению сложных культурных метафор и идиоматических выражений.
- Предложена новая методология оценки качества перевода, учитывающая глубинные социально-культурные контексты.