基于检索增强的两阶段跨文化机器翻译方法

在全球化进程中，跨文化交流日益频繁，语言不仅是信息载体，更是文化传播的核心媒介。翻译，尤其跨文化翻译，在不同语言群体间架设沟通桥梁，对促进多元文化理解与交流至关重要。译者不仅需要精通语言转换，更需要深刻地理解并精准地传递源语言蕴含的文化内涵、社会语境及价值观念。文化专有项(culture-specific items，CSIs)作为植根于特定文化、历史或社会语境的表达形式[1-2]，涵盖传统节日、地域标志性饮食、影视名称中的文化习语性表达以及历史典故等，是跨文化翻译中意义传递的关键载体。此类表达与特定群体的生活方式及价值观念存在内在关联，其翻译质量直接影响文化信息的准确传达，处理不当则易引发语义偏差甚至文化误解。

尽管神经机器翻译(neural machine translation，NMT)与大型语言模型(large language models，LLMs)在通用机器翻译领域取得显著的进展，但是在翻译CSIs时仍面临较大挑战[3-4]。表1显示，GPT-4和Google Translate等主流系统在处理 CSIs时，常出现误译或直译问题，导致关键信息缺失或文化意义失真。这些案例凸显现有模型在平衡语言流畅性与文化忠实性方面的不足，也进一步揭示文化专有项翻译在跨文化翻译中的挑战性。

本文聚焦 CSIs中可明确界定的实体类项，提出一个检索增强的两阶段翻译框架 R2-MT (retrievalenhanced two-stage machine translation)，在以下 3个方面实现创新。

1) 跨语言文化知识库。构建涵盖 15种语言(变体)的融合多语言标签与描述的 CSIs知识库，以弥补现有资源的不足，强化跨语言实体对齐与消歧能力。

2) 双任务协同训练。设计“实体译名生成和名称约束翻译”双任务协同训练策略，使 LLM在准确地生成规范译名的同时，也能基于文化语境生成适应性表达，从而缓解单一任务难以兼顾准确性与灵活性的问题。

3) 两阶段生成机制。第一阶段，通过检索与排序，精准地识别并生成适配译名。当 CSI存在目标语言译名时，直接输出对应译名; 不存在目标语言译名时，则结合检索到的多语言名称和描述信息生成合理的译名。第二阶段，将该译名作为硬约束注入句子翻译中，实现从实体识别到句子整合的全流程优化，从而提升翻译的文化保真度与语义准确性。

最后，通过跨文化翻译基准的实验、人工评估和案例分析，来验证本文方法在提升译文文化契合度和语义准确性方面的有效性。

1 相关工作

1.1 术语与实体翻译

术语及命名实体的准确翻译对保持语义的一致性、专业性与文化忠实性至关重要，是机器翻译中的核心挑战。为缓解术语或实体覆盖不足的问题，主流方法是通过数据增强技术，将领域特定术语和命名实体引入训练语料中，从而有效地提升模型对低频词的建模能力[5-7]。这类方法依赖频繁的重训练，难以适应术语体系的动态演化，且计算成本高昂。近年来，术语感知解码成为一种更具灵活性的替代方案。其核心思想是在生成阶段引导译文生成过程，通过受限束搜索、token替换或注意力调节等机制，强制模型输出预设的术语[8-10]。该方法在术语一致性控制方面表现良好。然而，这类方法通常基于预设的术语表，缺乏对上下文的深层理解，难以处理 CSIs这类对语境敏感且缺乏标准译名的表达[11]。

1.2 外部知识增强的机器翻译

为弥补训练数据覆盖的不足，提升低频术语与领域表达的翻译质量，研究者尝试将外部知识注入机器翻译系统中。主要策略包括三类方法: 显式词典映射、语料检索增强与结构化知识注入。

词典映射的方法通过术语表或双语词典提供对齐信号[12-13]，结构简单，但受限于规范术语，难以覆盖上下文之间依赖性强或缺乏标准译名的表达。检索增强方法(如 KNN-MT[14])利用最近邻句对，提升上下文的一致性。Zhu等[15]结合 LLM与平行语料，提升小样本的迁移能力，对上下文的建模效果良好，但难以细粒度控制关键术语或实体的翻译。结构化知识图谱方法将实体间的语义关系与属性信息嵌入翻译模型中，增强实体识别和对齐能力。Zhao等[16]将知识图谱的实体关系信息融合到翻译模型训练中，Conia等[17-18]通过多语言知识图谱提升实体翻译的一致性。然而，知识图谱的构建成本高，更新频率有限，难以覆盖动态文化表达，限制了其在跨文化翻译中的应用范围。

基于 Prompt的方法尝试在解码阶段以轻量方式注入知识，发挥 LLM强大的上下文建模能力[19-20]。Yu等[21]系统地研究了翻译任务中的提示策略，指出提示示例的选择对译文质量具有显著的影响。然而，该类方法往往难以施加强约束或进行结构化控制，在翻译 CSIs时，存在信息冗余、对齐粒度不够以及生成稳定性差等问题。

1.3 文化感知的机器翻译

文化专有项(CSIs)承载着语言背后的社会习俗和价值观，其准确翻译不仅关系到语言形式与语义传递，而且直接影响文化意义的保留与转化。传统的机器翻译系统往往侧重语言形式和语义一致性，却难以精准地传递文化内涵并有效地处理文化表达的歧义性与语境依赖。

近年来，针对翻译系统的文化适应性研究逐渐增多，重点评估模型在菜谱、习语、影视名称和跨文化对话等特定语境下的翻译表现[22-26]。在数据集构建层面，Yao等[11]从 Wikipedia中自动抽取多语言对齐的文化表达，构建涵盖多类 CSIs的翻译测试集，为评估模型的文化契合度提供了标准化工具。Conia等[17]构建首个大规模人工标注的跨文化翻译基准系统 XC-Translate，专注于评估含文化相关实体的文本翻译。Villa-Cueva等[27]将其拓展至多模态语境，并引入图像和视觉文化符号的翻译测试。

在方法层面，Conia等[17]提出 KG-MT，利用多语言知识图谱的实体检索机制，从显式与隐式两个路径引入外部知识，有效地提升低频文化实体的翻译质量。Chang等[28]结合 LLM和 RAG技术，在低资源语言场景下增强文化语境的推理能力，证实检索增强对传递文化语境的有效性，但其效果仍然高度依赖外部资源，且场景泛化能力有限。Abubakar等[29]对比实体感知微调与提示工程发现，基于提示的 LLMs在实体翻译准确性上优于经知识图谱微调的 NMT模型，但存在语言适配不均、准确性与流畅性权衡困难以及提示效果不稳定等问题。

现有研究在标准化评估与知识增强技术上取得一定的进展，但尚未形成能够兼顾文化动态性、多语言适配性及输出一致性的系统性解决方案。

2 两阶段翻译框架R2-MT

为提升基于 LLM的机器翻译系统在文化敏感度与表达能力的表现，本文提出一个检索增强的两阶段翻译框架 R2-MT。首先，构建多语言文化实体知识库，提供外部知识支持; 随后，通过实体检索与重排序实现精准匹配，并结合联合任务微调强化模型能力; 最终，通过文化感知的两阶段翻译生成高质量译文。整体框架如图1所示。

2.1 文化实体知识库构建

本文借鉴 Newmark[30]提出的文化分类框架，将CSIs划分为物质文化(饮食和艺术)、社会文化(政治和历史)、精神文化(宗教和哲学)及媒体(影视和文学作品)等类别。在此基础上，从 Wikidata中筛选相关实体，构建一个覆盖 190万以上实体的，以CSIs为核心的大规模多语言文化知识库。每个实体均附带多语言标签与描述，支持英文、简体中文、繁体中文、法语、德语、意大利语、阿拉伯语、日语、土耳其语、泰语、韩语、西班牙语、俄语、印地语和葡萄牙语共 15种语言(变体)。尽管部分低资源语言在描述丰富度方面存在差异，但该知识库整体上仍然具备良好的跨语言覆盖与文化表达能力。

相较于现有的多语言实体资源，本文构建的知识库在文化细粒度和多语言深度方面具有显著的优势。ParaNames[31]虽然语言覆盖面广，但主要关注粗粒度类型命名实体，缺乏文化层面的区分且不支持句子级生成建模。WikiKGE-10[18]虽然收录部分文化相关实体，但规模较小，主要面向检索任务设计。本文构建的数据库专门为生成任务定制，具备结构化的文化分类体系以及丰富的多语言描述信息，并引入实体名称约束机制，能够显著地提升翻译过程中实体名称的一致性与准确性，适用于高质量、多语言机器翻译模型的训练与推理。

为实现高效且精确的实体检索，本文基于标签信息构建 FAISS索引，并结合多语言编码器，计算跨语言语义相似度，从而实现高召回率的候选生成与基于语义的重排序。

2.2 文化实体检索和重排序

为了准确地识别输入文本中的 CSIs，本文设计一种结合表面形式匹配与跨语言语义对齐的检索方法。给定源语言 ls的输入句子 x = w1 ，…，wn ，目标是从构建好的文化实体知识库K中选取与输入句子 x最相关的 Top-K实体: ε x = {e1 ，…，eK}。每个实体 ie ∈K表示为，其中，li代表多语言标签，di代表文本描述。

本文使用 BGE-M3多语言编码器[32]，对输入句子和实体库中的实体进行语义编码。该模型覆盖超过 100种语言，具备良好的跨语言对齐能力。尽管对编码模型未进行专门的文化实体检索微调，但得益于本文构建的 CSIs知识库，模型可以有效适配文化实体检索任务。检索流程分为两个阶段。

第一阶段，标签相似度计算。使用编码器Enc(·)，将输入句子 x与实体标签 li编码后，计算余弦相似度 slab :

根据计算结果，选取前 N个 label得分最高的候选实体{e1，…，eN }，本文取 N=20。

第二阶段，通过候选实体的描述信息计算和句子的语义相似度进行重排序。句子语义相似度 sdesc的计算方法如下:

通过加权融合两个相似度得分:

其中，sagg为标签相似度，λ∈[0，1]控制表层与语义相似度之间的权重。为平衡检索的准确性与多语言信息量的合理控制，本文在实际系统中将每条输入的候选实体数限制为 Top-3。此设计基于多语言场景的特点: Top-1容易遗漏部分语义相关实体，而Top-5及以上则可能引入过多噪声和冗余信息，导致检索结果的泛化，且干扰后续处理。因此，选择Top-3实现检索精度与多语言信息量之间的最佳权衡。与此同时，本文设定阈值τ 来剔除综合相似度低于该值的弱相关实体，确保进入后续阶段的实体与输入句子的文化语境关联度达标:

最终，检索结果以包含多语言标签和描述的结构化形式输出，为后续实体名称生成模块提供知识支撑。

2.3 联合任务数据集构建与指令微调

本文构建一个用于指令微调的多任务数据集，旨在增强模型对 CSIs的翻译能力。该数据集的构建围绕两个核心任务展开: 实体名称生成和名称约束翻译。实体名称生成任务要求模型在给定多语言实体信息和源语言句子的情况下，推断并生成目标语言的 CSIs名称，增强译名推断与消歧能力。名称约束翻译任务则要求模型生成包含预定义 CSIs名称的句子译文，确保实体在译文中的准确复现和语义一致性。两个任务相互补充，共同促进文化专有项在译文中准确而自然融入。

数据来源包括自然平行语料和 DeepSeek-R1[33]生成的合成双语样本。自然语料选自开源多语言问答集 Mintaka[34]，本文保留其中 6种英文-目标语言的双语对，并对其中包含实体的句子进行实体链接与候选补全，确保 CSIs在翻译任务中得到充分的覆盖。为缓解语言分布不均衡的问题并扩大覆盖范围，本文进一步通过 DeepSeek-R1，为中文、韩语、泰语和土耳其语生成合成双语样本。这些样本基于双语 CSI词典及其对应的描述信息构建。该双语 CSI词典来源于 2.1节构建的文化实体知识库，构建流程如下。首先，在知识库中定位具有跨语言标签的 CSI条目，将其英文名称与目标语言名称进行配对，形成初始对照表; 然后，经过严格的自动与人工过滤及一致性检查，形成结构化的双语 CSI词典。基于此词典，进一步利用 DeepSeek-R1，将CSI名称及其描述信息注入人工设计的上下文模板，自动生成包含 CSI的平行句对。

在语料构造完成后，针对每个源语言句子，基于表层形式与上下文语义进行匹配，检索得分最高的 3个候选实体，并对其补充多语言标签与描述信息，统一转化为两个任务所需的输入格式。相关指令模板示例见图1的中间部分。

最终的数据集中，每种语言包含约 5000个实体名称生成样本，样本采用随机遮蔽策略，其中 50%的遮蔽目标标签用来增强模型的推断能力，50%的不遮蔽目标标签用来模拟已有标准译名的实体。数据集包括 60000个来自 Mintaka的名称约束翻译对，52000个来自合成样本的名称约束翻译对。总计约162000个具有文化背景的样本，涵盖 10个语言方向，统一整理为标准指令格式，用于联合微调。

本文采用混合格式的指令微调策略，在单个训练阶段交错执行两种任务类型，使得模型能够准确地翻译 CSI并将其自然流畅地融入句子语境中。即使在缺乏明确目标标签的情况下，模型依然能够保持翻译结果的一致性。模型微调采用标准自回归目标函数:

其中，I表示指令，X表示输入上下文，yt表示目标输出序列的第 t个 token，T为目标序列长度。按照预设比例采样指令类型，构建训练集，用于微调Qwen2.5和 LLaMA-3.1等基础 LLM。这种统一的训练策略可以促进任务与语言间的有效知识迁移，使模型在面对不同语言和 CSIs时，均能产生稳健且文化语境一致的翻译。

2.4 文化感知的翻译推理

在推理阶段，R2-MT框架采用结构化的两阶段生成流程，依次完成实体译名生成与名称约束翻译，实现对文化专有项的准确处理。

给定源语言 ls中的输入句子 x，系统首先基于FAISS索引，从多语言文化知识库中检索出与源句最 相 关 的 Top-K实 体 εx = {e1 ，…，eK}。每 个 实 体 ei=包含多语言标签与文本描述。实体的相关性得分由标签相似度与描述语义相似度加权融合计算。

第一阶段为实体译名生成。基于重排序后的综合相似度，从候选实体中识别出最可能的 CSI，由微调后的 LLM生成目标语言译名。该模型基于Qwen2.5-7B或 LLaMA-3.1-8B，专门针对实体名称生成任务进行优化，方法详见 2.3节。若该实体存在目标语言标准译名，则直接复用; 否则，模型基于多语言标签和描述信息，推理生成与目标文化语境相契合的译名。该过程依托于结构化的实体提示，其中包含多语言标签与描述信息，从而动态地整合多语言信息，生成文化适配译名，兼顾高资源与低资源实体的译名需求。

第二阶段为名称约束翻译。基于第一阶段生成的实体译名，执行名称约束下的句子级翻译。翻译模型接收输入句与显式“实体映射表”，即源语言CSI及其目标语言译名，通过与 2.3节“名称约束翻译任务”一致的指令模板，引导模型在生成完整译文时准确地植入对应的译名，确保术语的一致性与指称的准确性，避免译名丢失或误译。

经过上述两个阶段的流程，构成 R2-MT框架从CSIs识别到句级融合的完整推理链路。

3 实验

3.1 实验设置

本实验中，选取两款开源大语言模型进行微调:Qwen2.5-7B-Instruct和 LLaMA3.1-8B-Instruct，参数规模分别为 7B和 8B，二者均为开源模型，具备优异的多语言处理能力。微调过程中采用 LoRA (lowrank adaptation)技术(rank=16，α=32)，以便降低训练时的显存占用与计算开销。训练数据按 9:1的比例划分为训练集与验证集，最大序列长度设置为1024，训练轮数为两个 epoch，batch_size设为 12，初始学习率为 1×10-4。训练采用基于 Hugging Face Seq2 Seq-Trainer的框架实现，设定每 150步保存一次检查点，并固定随机种子(seed=42)来增强实验的可复现性。此外，训练启用 FP16混合精度机制来提升计算效率。所有实验在 4个 NVIDIA RTX 3090显卡上并行计算，单个模型训练时长约为 14小时。

此外，为保障检索结果的准确性，本实验在实体相关性计算中将综合相似度加权参数 λ 设置为0.7，并设定阈值 τ 为 0.55，用于过滤低相关性实体，确保进入后续处理的实体与输入句子的文化语境高度匹配。

3.2 数据集评估和评价指标

为全面地评估我们提出的两阶段文化感知翻译框架，实验采用 CAMT[11]和 XC-Translate[17]两个基准数据集。CAMT是一个细粒度的文化专有项平行语料库，包含 6948个句子，覆盖 6个语言对，涉及18个类别与 235个国家和地区的 6983个文化专有项，我们重点评估其中 3个语言对: EN-ZH (英语-中文，778句，794个 CSIs)、EN-FR (英语-法语，2073句，2213个 CSIs)和 EN-ES (英语-西班牙语，1580句，1652个 CSIs)。该数据集可用于评估模型在多样化文化现象上的翻译保真度，检验模型在处理具有文化独特性内容时的准确性和文化适应性，并支持与基于 LLM的系统及 NMT系统的性能对比。XCTranslate是一个大规模基准数据集，包含 57621个示例，覆盖 10个语言对，重点评估文化相关实体翻译的准确性和跨语言一致性，聚焦那些在不同语言中有翻译差异显著的真实世界实体名称。两个数据集功能互补，CAMT用于测试细粒度文化翻译能力，XCTranslate用于评估大规模文化实体翻译的稳健性。

在训练方面，本实验的两阶段翻译模型训练仅依赖 2.3节构建的联合任务指令微调数据集。该数据集包含 16.2万个样本，覆盖 10个语言方向，设计“实体名称生成”和“名称约束翻译”两类任务。此外，为了进行对照实验，基于上述数据集进一步构造单阶段微调数据集，用于训练单阶段翻译模型。该数据集包括 11.2万个样本，覆盖 10个语言方向，任务形式为整合 Top-K实体的多语言信息并直接生成目标语言译文。需要特别说明的是，CAMT和 XCTranslate仅作为独立评估数据集使用，未参与任何训练过程，以便保证评估结果的客观性与公正性。

在整体翻译质量评估方面，我们使用 BLEU[35]和 COMET[36]两种通用指标。在文化翻译适配性方面，CAMT引入 PTA (pragmatic translation assessment)指标。PTA旨在评估翻译在目标文化中的语用恰当性，而非停留在字面或语义相似度层面。该指标通过模拟目标母语者对翻译段落中 CSI片段的主观比较，统计系统输出在语用维度上优于人工参考的比例。为提升评估规模与一致性，我们借助 GPT-4o[37]作为评审工具，参考自动打分方法[11]，评估模板见附录 1。PTA得分越高，代表译文在文化语境中的自然性越好。在 XC-Translate中，我们将 META (manual entity translation accuracy)作为评估指标。该指标通过比对候选译文中是否包含合法的目标语言实体名称来衡量实体级的翻译准确性，计算公式如下:

其中，表示实体 ei在目标语言下的可接受译名集合; I(·)为指示函数，若译名出现在译文t′中则为1，否则为 0。综上所述，这些数据集与指标共同构建覆盖语言忠实性与文化契合度的全面评估体系。

3.3 基线模型

为验证 R2-MT框架的有效性与通用性，我们在多个强基线系统上对所提出的两阶段翻译框架进行系统的评估。基线模型涵盖不同的翻译范式，包括知识增强的 NMT以及主流的 LLM。

1) KG-MT[17]: 一种融合知识图谱的机器翻译方法。本文基于其 3种广泛使用的基础模型报告结果，包括 mBART[38]，M2 M[39]和 NLLB[40]。

2) GPT-4[41]: 一种领先的商用大语言模型，具有强大的通用翻译能力。

3) X-ALMA[42]: 一种开源多语言模型，专门为在不同的语言对下实现翻译的稳健性与均衡性能而设计。

4) Qwen2.5-7B-Instruct[43]以及 LLaMA3.1-8BInstruct[44]: 两个广泛应用于研究社区的开源多语言 LLM，表现稳定，具备较强的跨语言建模能力。

此外，为进一步分析不同文化知识检索与生成策略的贡献，我们在统一的开源 LLM基础上构建并比较以下 5种系统变体，所有变体的检索策略均基于 2.2节的重排序策略。

1) Vanilla (原始模型)。训练阶段不微调; 推理阶段不引入任何外部知识或特殊的提示; 作为基础对照。

2) BCD (bilingual CSI dictionary)。训练阶段不对模型进行监督和微调; 推理阶段在提示中注入基于动态检索 Top-1实体生成的双语 CSI词典，要求模型在生成译文时强制使用指定译名。

3) MIP (multilingual information prompt)。训练阶段不对模型进行监督和微调; 推理阶段在提示中注入基于动态检索 Top-3个实体的多语言标签和描述信息，引导模型结合多语言知识生成译文，但不采用分阶段处理。

4) SFT (single-stage fine-tuning)。训练阶段使用单阶段数据集进行微调; 推理阶段将检索到的 Top-3实体的多语言标签和描述信息注入提示中，使用微调后的模型，单阶段生成译文。

5) R2-MT (本文模型)。训练阶段采用混合任务指令微调策略，联合优化实体名称生成与名称约束翻译; 推理阶段使用微调后的模型，先基于 Top-3实体的多语言标签和描述信息生成适配的译名，再以“实体映射表”为硬约束，完成句子翻译。

4 实验结果与分析

4.1 检索器准确性分析

在 R2-MT框架中，知识检索模块是实现 CSIs识别与注入的关键环节，其检索的准确性直接影响后续名称的生成以及整句翻译的质量。为了验证不同检索策略的有效性，我们设计并比较 3种多语言实体检索方法，分别为 BGE-M3、标签与描述拼接(Concat)以及本文提出的语义重排序方法(Rerank)。

在 XC-Translate数据集中 10个 EN-XX语言对(英语-其他语种)上的平均准确率如表2所示。可以看出，基础方法BGE-M3使用实体标签进行向量检索即可取得稳健的表现，Top-1的准确率为 76.0%。Concat方法的准确率反而下降至 70.8%，说明单纯拼接描述信息容易引入噪声，削弱标签的精确信号。相比之下，Rerank方法在所有 Top-K指标上均显著地优于其他方法。其中 Top-1的准确率提升至78.9%，Top-3和 Top-5的准确率分别达到 91.2%和93.9%，比 BGE-M3分别提升 2.9%，5.4%和 4.7%。实验结果表明，本文提出的基于语义的重排序检索方法能够有效地缓解同形或相近实体间的歧义问题。

4.2 多基准结果对比分析

本文在两个跨文化基准数据集 XC-Translate和CAMT上进行对比实验，全面评估 R2-MT的跨语言泛化能力，实验结果如表3所示。XC-Translate的平均结果揭示不同方法的整体差异。传统的 NMT模型(如 mBART-50，M2 M-100和 NLLB-200)尽管在BLEU和 COMET上表现尚可，但在 M-ETA上的得分均低于 18，表明其在处理跨文化实体时存在显著的短板。知识增强模型 KG-MT借助实体检索并结合多语言知识图谱，显著地提升 M-ETA，但提升幅度在不同语对间差异较大，泛化性受限(附录 2)。相比之下，R2-MT在 3项指标上整体表现最优，展现强大的跨语言语境建模能力。在 Qwen2.5-7B基座模型上，R2-MT的 BLEU提升至 55.3，COMET达到 79.8，M-ETA达到 78.0; 在 Llama3.1-8B基座上同样 实 现 BLEU为 52.0，COMET为 78.3，M-ETA为76.3的领先表现。实验结果不仅体现 R2-MT的方法优势，也验证了其跨模型的通用性与可迁移性。此外，在 EN-AR和 EN-KO等文化差异显著的语对上，R2-MT也展现较强的稳健性(附录 3)。

在 CAMT数据集上，不同增强策略的对比进一步揭示了方法间的差异。如表4所示，单一改进(如引入双语 CSI词典(+BCD)或单阶段微调(+SFT))均能带来明显的收益: 在 EN-ES方向，+BCD将 BLEU从 36.2提升至 39.6，+SFT的 COMET达到 82.9。但是，基于多语言提示的增强(+MIP)在不同语言对上的表现不稳定，尤其在 EN-ZH任务中效果明显受限，说明单纯依赖提示注入多语言信息的方式难以稳定地处理 CSIs，特别是在语境复杂、文化负载较重的语对中。相比之下，R2-MT在 EN-ZH和 EN-FR任务中均取得最高的 BLEU和 COMET分数，体现其在保持语义准确性和整体翻译质量上的优势。对于 EN-ES任务，R2-MT在 BLEU指标上表现最佳，且 COMET与最优结果相近。这一结果表明，将文化实体翻译与句子生成分离的两阶段设计，能够有效地兼顾译文的流畅性与文化特异性，从而提升翻译结果的综合表现。

图2 所示语用翻译评估(PTA)结果也进一步验证了 R2-MT的优势。本文提出的 R2-MT获得51.3%的 A类占比，在所有方法中占比最高，同时将 B类和 C类占比分别降至 31.5%和 10.7%。这表明 R2-MT在提升译文可理解性与文化适配性方面更具优势，尤其在缺乏固定译名的 CSIs翻译中展现出更强的鲁棒性。

综上所述，R2-MT在不同基准和多种语言方向上均实现语言质量与文化忠实度的双重提升，验证了两阶段设计在复杂文化内容处理中的有效性与通用性。

4.3 FLORES-101 通用领域翻译性能评估

为了验证 R2-MT框架在通用领域多语言翻译任务中的表现，并评估其在提升 CSIs翻译能力的同时是否影响整体翻译质量，我们在包含 10个英语到多语言对的 FLORES-101数据集上进行测试。测试指标包括 BLEU和 COMET，用于综合衡量模型的翻译准确性和语义保真度。如表5所示，R2-MT在BLEU和 COMET指标上均表现出与 Qwen2.5-7B基准模型及其单阶段微调变体(+SFT)相当的竞争力。值得注意的是，相较于基础模型，R2-MT在阿拉伯语翻译上的 BLEU提升 1.5分，在韩语翻译上提升了 6.5分，泰语翻译上提升 4.7分，显示出在部分低资源语言对上的明显提升效果。在 COMET指标上，R2-MT和 SFT在大多数语言对上的表现基本持平或略有差距，整体表现稳健。这些结果表明，两阶段翻译框架在增强对 CSIs的处理能力的同时，并未损害其在通用领域的翻译性能。R2-MT在FLORES-101多语言基准模型上的稳健表现，验证了该框架在通用与跨文化翻译任务上具备良好的兼容性与实用价值。

4.4 消融实验与人类评估

为验证 R2-MT各组件对文化忠实度的贡献，本文在保持外部知识库与两阶段推理框架不变的前提下，针对两大核心训练任务展开消融实验，并以 META和 PTA为评价指标(表6)。所有消融变体均遵循图1所示两阶段流程，差异仅在于训练阶段包含的任务不同。实体名称生成(ENG)任务旨在显式地指导模型生成准确的实体译名。移除此任务(w/o ENG)后，模型在第一阶段因缺乏专门的训练而无法生成高质量译名，PTA下降 9.2分，表明实体名称的专门建模不可或缺。名称约束翻译(NCT)任务在句级生成阶段强制使用已预测的实体名称以便保证一致性。移除该任务(w/o NCT)时，模型在第二阶段翻译任务中无法有效地将已有译名作为硬约束，PTA降低 5.3分，说明显式约束在抑制语义漂移并保持文化语义方面具有关键作用。综上所述，R2-MT通过联合优化 ENG和 NCT，并结合知识库支撑，取得最高的 M-ETA和 PTA，证明该框架能够兼顾文化保真度与多语言翻译的准确性。

鉴于自动评价指标在 CSIs翻译评估上的局限性，我们进一步设计人工评估实验。尽管 BLEU和COMET可以衡量翻译的一致性和语义质量，但它们难以准确地反映文化契合度，因此有必要通过人工评分，获得更细致的质量洞察。从 CAMT数据集中随机抽取 100条英→中翻译样本，由三位以中文为母语，具备中英文双语能力的评审者对三类系统(Qwen2.5-7B原始模型、单阶段微调模型(+SFT)和本文提出的 R2-MT)的输出结果进行打分。评估内容涵盖 3个维度，评分范围均为 1～5分。流畅度(fluency，Flu): 译文是否自然、符合汉语表达习惯;可理解性(com-prehensibility，Com): 译文是否通顺易懂，语义是否明确; 文化契合度(cultural adequacy，CA): CSIs在译文中的呈现是否符合目标语言文化认知，是否保留原意或已进行适当的转化。

如表7所示，+SFT和 R2-MT在全部评估维度上均优于基线模型，表明引入文化建模机制可以显著地提升翻译质量。其中，R2-MT在 3个维度均取得最高平均分，尤其在文化契合度方面的提升最为显著，达到+0.74，体现其在处理文化差异上的优势。相比之下，+SFT虽然在流畅度与文化契合度方面也有提升，但整体上仍然不及 R2-MT。评估结果表明，R2-MT的两阶段设计有助于兼顾文化忠实度与整体翻译质量，在语言准确性与文化适配性之间取得平衡，可为文化感知机器翻译提供通用且实用的解决思路。

4.5 不同系统的翻译案例分析: 文化专有项处理

为进一步分析不同的系统在翻译 CSIs方面的表现，我们选取 CAMT数据集中两个具有代表性的饮食术语作为案例。

Commonly，a few “deaf ”，or fillingless，tamales(tamales sordos)，might be served with refried beans and coffee.Most recently the roasted pepper and Monterey Jack cheese (chile con queso) tamales have become a favorite recipe.

上述案例中，tamales sordos意为“无馅玉米粽”，sordos原意为“聋”，在此语境中隐指“无馅”; chile con queso则为烤辣椒与蒙特雷杰克奶酪制成的墨西哥风味蘸酱。这两类术语的文化内涵丰富，语义复杂，对翻译的准确性要求较高。

从表8可以看出，Qwen2.5-7B未能识别上述文化实体语义，产出“玉米 eah”等无意义结果，译文整体缺乏可读性与文化对应。+BCD与+MIP在食物词汇识别上有所进步，但处理 sordos时生成“聋玉米粽”“玉米粽聋子”等直译或拼接词，虽然语义完整，却不符合中文习惯，文化贴切性不足。+SFT输出“玉米粽”较为流畅，却漏译“无馅”的关键信息，表现出重流畅、轻文化的倾向。相比之下，R2-MT在对 tamales sordos的翻译中，输出为“无馅玉米粽(tamales sordos)”，不仅传达了原文的语义，还保留了原始术语，有助于文化识别与术语记忆。在 chile con queso的处理上，译文为“烤辣椒和蒙特雷杰克奶酪(chile con queso)”，不仅术语明确，结构也优于参考译文的杂糅表达。因此，R2-MT在术语识别、语义保留和文化适配 3个维度上均优于其他系统，能够有效地避免术语误译、信息丢失及语义简化的问题，展现出更强的文化感知能力与语言生成质量。

5 结论

本研究针对跨文化机器翻译中 CSIs消歧能力弱以及多语言知识支持不足导致的误译与文化信息丢失问题，提出一种检索增强的两阶段翻译框架R2-MT。通过构建覆盖 15种语言(变体)共计约 190万实体的多语言知识库，并设计“检索-重排序-推断-约束”的完整流水线，实现文化实体的精准匹配与翻译适配。在此基础上，我们构建了包含 10种语言共计 16万样本的多语言指令微调数据集，通过“实体名称生成”与“名称约束翻译”双任务联合优化，使模型能够根据检索到的多语言标签和描述信息，动态地推断译名，并将其作为硬约束，注入句级翻译过程，显著地提升翻译的文化一致性与准确性。

实验结果表明，R2-MT在 XC-Translate基准测试中能够有效地提升 CSIs的翻译质量，且在人类评估的流畅度、可理解性及文化契合度 3个维度上均优于基线模型。消融实验进一步证实了两阶段生成机制对抑制语义漂移的关键作用。

本文方法的主要局限性在于其性能对知识库的覆盖度较为敏感，尤其在低资源语言上。未来的改进方向包括探索跨语言知识迁移策略以缓解此依赖，并拓展框架来覆盖隐喻和习语等隐性文化表达，从而增强系统在深层文化语境下的建模能力与跨文化传递效果。

附录

请访问《北京大学学报(自然科学版)》官方网站(https://xbna.pku.edu.cn)查看

参考文献

[1]Aixelá J F.Culture-specific items in translation //Alvarez R，Vidal M C A.Translation，Power，Subversion.Clevedon: Multilingual Matters Ltd，1996:52-78

[2]Gambier Y.Cultural translation and intercultural mediation.Babel，2004，50(4): 241-257

[3]Palanichamy N，Trojovský P.Overview and challenges of machine translation for contextually appropriate translations.iScience，2024，27(10): 110878

[4]Huang K，Mo F，Zhang X，et al.A survey on large language models with multilingualism: recent advances and new frontiers [EB/OL].(2025-05-07) [2025-09-20].https://arxiv.org/abs/2405.10936

[5]Dinu G，Mathur P，Federico M，et al.Training neural machine translation to apply terminology constraints //Proceedings of the 57th Annual Meeting of the Association for Computational Linguistics.Florence，2019:3063-3068

[6]Niehues J.Continuous learning in neural machine translation using bilingual dictionaries // Proceedings of the 16th Conference of the European Chapter of the Association for Computational Linguistics: Main Volume.Online meeting，2021: 830-840

[7]Hu J，Hayashi H，Cho K，et al.DEEP: denoising entity pretraining for neural machine translation // Proceedings of the 60th Annual Meeting of the Association for Computational Linguistics (Volume 1: Long Papers).Dublin，2022: 1753-1766

[8]Hasler E，De Gispert A，Iglesias G，et al.Neural machine translation decoding with terminology constraints // Proceedings of the 2018 Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies，Volume 2 (Short Papers).New Orleans，2018: 506-512

[9]Post M，Vilar D.Fast lexically constrained decoding with dynamic beam allocation for neural machine translation // Proceedings of the 2018 Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies，Volume 1 (Long Papers).New Orleans，2018: 1314-1324

[10]Zeng Z，Wang R，Leng Y，et al.Extract and attend:improving entity translation in neural machine translation [EB/OL].(2023-06-02) [2025-09-20].https://arxiv.org/abs/2306.02242

[11]Yao B，Jiang M，Bobinac T，et al.Benchmarking machine translation with cultural awareness // Findings of the Association for Computational Linguistics:EMNLP 2024.Miami，2024: 13078-13096

[12]Lin Y，Lin J，Zhang S，et al.Bilingual dictionary-based language model pretraining for neural machine translation [EB/OL].(2021-03-15) [2025-09-20].https://arxiv.org/abs/2103.07040

[13]Kumar N，Kumar D，Mishra S.Dict-nmt: bilingual dictionary based nmt for extremely low resource languages [EB/OL].(2022-06-10) [2025-09-20].https://arxiv.org/abs/2206.04439

[14]Khandelwal U，Fan A，Jurafsky D，et al.Nearest neighbor machine translation [EB/OL].(2021-03-01)[2025-09-20].https://arxiv.org/abs/2010.00710

[15]Zhu S，Cui M，Xiong D.Towards robust in-context learning for machine translation with large language models // Proceedings of the 2024 Joint International Conference on Computational Linguistics，Language Resources and Evaluation (LREC-COLING 2024).Torino，2024: 16619-16629

[16]Zhao Y，Xiang L，Zhu J，et al.Knowledge graph enhanced neural machine translation via multitask learning on sub-entity granularity // Proceedings of the 28th International Conference on Computational Linguistics.Barcelona，2020: 4495-4505

[17]Conia S，Lee D，Li M，et al.Towards cross-cultural machine translation with retrieval-augmented generation from multilingual knowledge graphs // Proceedings of the 2024 Conference on Empirical Methods in Natural Language Processing.Miami，2024: 16343-16360

[18]Conia S，Li M，Lee D，et al.Increasing coverage and precision of textual information in multilingual knowledge graphs [EB/OL].(2023-11-28) [2025-09-20].https://arxiv.org/abs/2311.15781

[19]Jiang Z，Lv Q，Zhang Z，et al.Convergences and divergences between automatic assessment and human evaluation: Insights from comparing ChatGPT-generated translation and neural machine translation [EB/OL].(2024-01-17) [2025-09-20].https://arxiv.org/abs/24 01.05176

[20]Moslem Y，Haque R，Kelleher J D，et al.Adaptive machine translation with large language models //Proceedings of the 24th Annual Conference of the European Association for Machine Translation.Tampere，2023: 227-237

[21]Yu W，Zhang H，Pan X，et al.Chain-of-note: enhancing robustness in retrieval-augmented language models[EB/OL].(2023-11-16) [2025-09-20].https://arxiv.org/abs/2311.09210

[22]Cao Y，Kementchedjhieva Y，Cui R，et al.Cultural adaptation of recipes [EB/OL].(2023-10-26) [2025-09-20].https://arxiv.org/abs/2310.17353

[23]Zhang Z，He X，Iyer V，et al.Cultural adaptation of menus: a fine-grained approach // Proceedings of the Ninth Conference on Machine Translation.Miami，Florida，2024: 1258-1271

[24]Li S，Chen J，Yuan S，et al.Translate meanings，not just words: IdiomKB’s role in optimizing idiomatic translation with language models [EB/OL].(2023-08-26)[2025-09-20].https://arxiv.org/abs/2308.13961

[25]Riley P，Dozat T，Botha J A，et al.FRMT: a benchmark for few-shot region-aware machine translation.Transactions of the Association for Computational Linguistics，2023，11: 671-685

[26]Li C，Teney D，Yang L，et al.CulturePark: boosting cross-cultural understanding in large language models[EB/OL].(2024-05-24) [2025-09-20].https://arxiv.org/abs/2405.15145

[27]Villa-Cueva E，Bolatzhanova S，Turmakhan D，et al.CAMMT: benchmarking culturally aware multimodal machine translation [EB/OL].(2025-05-30) [2025-09-20].https://arxiv.org/abs/2505.24456

[28]Chang C C，Li C F，Lee C H，et al.Enhancing Lowresource minority language translation with LLMs and retrieval-augmented generation for cultural nuances[EB/OL].(2025-05-16) [2025-09-20].https://arxiv.org/abs/2505.10829

[29]Abubakar A，Abdulkadir H，Abdullahi I R，et al.Hausa-NLP at SemEval-2025 Task 2: entity-aware fine-tuning vs.prompt engineering in entity-aware machine translation [EB/OL].(2025-03-25) [2025-09-20].https://arxiv.org/abs/2503.19702

[30]Newmark P.A Textbook of Translation.New York: Prentice Hall，1988

[31] Sälevä J，Lignos C.ParaNames: a massively multilingual entity name corpus // Proceedings of the 4th Workshop on Research in Computational Linguistic Typology and Multilingual NLP.Seattle，2022: 103-105

[32]Chen J，Xiao S，Zhang P，et al.BGE M3-Embedding:multi-lingual，multi-functionality，multi-granularity text embeddings through self-knowledge distillation[EB/OL].(2024-02-07) [2025-09-20].https://arxiv.org/abs/2402.03216

[33]Deepseek-Ai，Guo D，Yang D，et al.DeepSeek-R1:incentivizing reasoning capability in LLMs via reinforcement learning [EB/OL].(2025-01-30) [2025-09-20].https://arxiv.org/abs/2501.12948

[34]Sen P，Aji A F，Saffari A.Mintaka: a complex，natural，and multilingual dataset for end-to-end question answering [EB/OL].(2022-10-04) [2025-09-20].https://arxiv.org/abs/2210.01613

[35]Papineni K，Roukos S，Ward T，et al.BLEU: a method for automatic evaluation of machine translation // Proceedings of the 40th Annual Meeting of the Association for Computational Linguistics.Philadelphia，2002:311-318

[36]Rei R，Stewart C，Farinha A C，et al.COMET: a neural framework for MT evaluation // Proceedings of the 2020 Conference on Empirical Methods in Natural Language Processing (EMNLP).Online meeting，2020: 2685-2702

[37]Openai，Hurst A，Lerer A，et al.GPT-4o system card[EB/OL].(2024-10-25) [2025-09-20].https://arxiv.org/abs/2410.21276

[38]Liu Y，Gu J，Goyal N，et al.Multilingual denoising pretraining for neural machine translation [EB/OL].(2020-01-27) [2025-09-20].https://arxiv.org/abs/2001.08210

[39]Fan A，Bhosale S，Schwenk H，et al.Beyond Englishcentric multilingual machine translation [EB/OL].(2020-10-21) [2025-09-20].https://arxiv.org/abs/2010.11125

[40]Nllb Team，Costa-Jussà M R，Cross J，et al.No language left behind: Scaling human-centered machine translation [EB/OL].(2022-08-25) [2025-09-20].https://arxiv.org/abs/2207.04672

[41]Openai，Achiam J，Adler S，et al.GPT-4 technical report [EB/OL].(2024-03-04) [2025-09-20].https://arxiv.org/abs/2303.08774

[42]Xu H，Murray K，Koehn P，et al.X-ALMA: plug & play modules and adaptive rejection for quality translation at scale [EB/OL].(2024-10-05) [2025-09-20].https://arxiv.org/abs/2410.03115

[43]Qwen，Yang A，Yang B，et al.Qwen2.5 technical report[EB/OL].(2025-01-03) [2025-09-20].https://arxiv.org/abs/2412.15115

[44]Grattafiori A，Dubey A，Jauhri A，et al.The LLaMA 3 herd of models [EB/OL].(2024-11-23) [2025-09-20].https://arxiv.org/abs/2407.21783