从提示到循证翻译：日汉翻译的 RAG+提示系统及其教学潜力

大语言模型 在高资源对上表现良好，但对于包含名词修饰从句结构 (NMCC) 的日语-中文句子不太可靠。本研究评估了检索增强生成 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，而无需修改基本模型。分析模块输出A1（内部与外部NMCC）和A2（风险预测：词汇选择/NMCC处理/词序/风格/语域）； top-k = 5 个相似的 Ja-Zh 示例（L2 距离）和 A1/A2 被插入到增强提示中。使用 GPT-4o 和 66 句测试集，我们比较了六种知识库大小 (0/100/200/500/1,000/2,000)。宏观平均句子级 BLEU（1-4 克，带有简洁性惩罚；大小写；汉字级别的中文）是唯一的指标。平均 BLEU 从 0（RAG 禁用）时的 24.28 增加到 2,000 时的 29.96（+5.68；+23.4%）。不同规模的企业都呈现上升趋势，知识库越大，得分越高。我们得出的结论是，RAG+Prompt 翻译系统以可解释和可审核的方式改进了包含 NMCC 的句子的 Ja-Zh 翻译。局限性包括一种基本模型、一种指标以及对已发布文本和商业 API 的依赖；未来的工作将拓宽类型、语言对和评估指标。