现在的机器翻译很少产出明显的胡话。它产出的是流畅、笃定、但有时是错的译文——而流畅恰恰是让审校者看不出问题的原因。失效方式变了，该怎么应对。
失效方式变了
十年前，机器翻译失败得很吵。译文笨拙、语序错乱，一眼就能看出需要人工介入。这种「看得见」反而是一层安全保护：没人会不小心把它直接发出去，因为它明显就是坏的。
如今基于神经网络和大模型的翻译，失败得很安静。译文流畅、合乎语法、语气笃定——而每隔一段就会笃定地错一次。它会漏掉一个否定、换错一个剂量、把一个受监管含义的术语按日常义处理、或者在源文有歧义处悄悄替你选了一种读法。句子读起来毫无问题。问题正在这里。
| 十年前的机器翻译 | 如今的神经与大模型翻译 | |
|---|---|---|
| 失效方式 | 很吵 | 很安静 |
| 读起来 | 笨拙、语序错乱，一眼就能看出需要人工介入 | 流畅、合乎语法、语气笃定——而每隔一段就笃定地错一次 |
| 典型错误 | 明显就是坏的 | 漏掉一个否定、换错一个剂量、把受监管含义的术语按日常义处理、在源文有歧义处悄悄替你选了一种读法 |
| 对审校的影响 | 没人会不小心把它直接发出去 | 视线滑过去了——表层质量在主动压制内容本该受到的审视 |
而这在最要紧的地方最严重。在营销文案里，流畅的细微偏差只是观感问题；在一份 IFU、一个扭矩参数、一条禁忌症或一则安全警示里，它是一个把自己伪装成正确的缺陷——因为读者信任这段流畅的文字，并据此行动。
流畅为什么会击败审校
审校者的注意力会被「看起来不对」的地方吸引。当文本读起来自然，视线就滑过去了，那一个把意思整个颠倒的从句，和其余十个没问题的从句拿到同样的半秒钟。译文越流畅，越难被认真审校——表层质量在主动压制内容本该受到的审视。
而这在最要紧的地方最严重。在一段营销文案里，流畅的细微偏差只是观感问题。在一份 IFU 使用说明书、一个扭矩参数、一条禁忌症或一则安全警示里，流畅的细微偏差是一个把自己伪装成正确的缺陷。风险最高的领域，恰恰是「笃定却错误」最危险的领域——因为读者信任这段流畅的文字，并据此行动。
真正能抓住它的做法
对照源文审校，而不是只读译文。只读译文、判断它「听起来对不对」，正是那个陷阱。有效的做法是双语核对：每个句段是否承载了源文的意思，由一位能读懂两种语言、且懂这个领域的人来核实。
把术语锚定住。机器输出恰恰会在最关键的术语上漂移——那些带有特定受监管含义的词。术语库核对能抓出流畅语法所掩盖的术语级错误。
让核对深度匹配风险。并非所有内容都值得同等的审视，这正是分档服务的全部逻辑。重复性的内部内容可以走轻量审校。一份申报文件、一张标签、一条安全说明则不行——在那里，可问责的人工环节不是你要削减的成本，而是阻止一个流畅的错误抵达一位会信任它的读者的那道控制。
读完后，您可能还想确认
机器翻译现在已经够好，审校是不是可选项了？
它好到让自己的错误更难被看见，这和「不会错」不是一回事。残余错误率很低但不为零，而且这些错误如今藏在流畅的文本里。对低风险内容这个取舍没问题；对受监管或涉及安全的内容，可问责的审校正是阻止一个笃定的错误被发出去的那一环。
审校为什么不能就读译文本身来判断质量？
因为流畅会掩盖意思层面的错误。只读单语会奖励「读起来自然」的文本——而现代机器翻译即使错了也正好是这样。要抓住意思层面的错误，必须对照源文、在领域内阅读，而不是孤立地评判译文。
流畅但错误的译文在哪里最危险？
在后果严重的内容里：使用说明、剂量、禁忌症、安全警示、法律与法规文本。在那里读者会依照文字行动，一个流畅的细微偏差造成的是实际损害，而不只是读着别扭。