文字中的世界：通过多主体协调翻译中国古代文本中的文化

基于 大语言模型 (LLM) 的机器翻译具有先进的跨文化交流能力，但仍难以处理古代中文文本中的文化负载词 (CLW)。挑战不仅限于词汇对齐，还包括决定何时以及如何向缺乏相关背景的读者解释依赖于文化的知识。直译往往保留表面形式，而忽略潜在概念，而过度解释会损害简洁性和可读性。为了解决这个问题，我们将 CLW 翻译制定为选择性显化任务，并提出 \textbf{MACAT}，这是一个 \textbf{M}ulti-\textbf{A}gent \textbf{C}ulture-\textbf{A}ware \textbf{T} 翻译框架，可动态识别文化上显着的短语并在必要时注入简洁的解释性知识。 MACAT 进一步整合了用于候选选择的质量感知重排序模块和多轮评估代理，该代理可评估术语精度、可读性、保真度、文化保护和文化显化方面的翻译。对中医经典和《论语》的实验表明，在统一的 GPT-5.4 评估设置下，MACAT 在 100 篇中医文献和《论语》的 20 章子集上始终优于主干模型和通用 MT 基线。