什么是LQA？语言质量保证完整指南

**语言质量保证（LQA）**是一套系统性评估翻译质量的方法。它不是简单地校对一遍，而是用一套客观、可量化的标准去衡量翻译的准确性、流畅性和整体质量。

这篇指南会把LQA讲清楚：它到底是什么、怎么做、怎么落地到你的翻译流程里。

什么是LQA？

LQA（Linguistic Quality Assurance，语言质量保证）是用一套标准化的方法来评估翻译质量的过程。跟普通校对不一样，LQA有自己的方法论——一般基于MQM之类的错误分类体系——通过识别、分类和评分翻译错误来打分。

LQA vs. 校对 vs. 编辑

这里有个核心区别：LQA是在衡量质量，不只是修问题。有了衡量，才能做到下面这些事：

• 比较不同供应商的表现
• 追踪质量趋势
• 给译员提供有据可查的反馈
• 验证SLA是不是达标了

为什么LQA很重要

质量得有标准

没有LQA，翻译质量全凭运气——换个译员、换个项目、换个语言，质量就可能大变样。LQA给所有翻译画了一条线。

省钱

翻译出了问题返工很贵。客户投诉、品牌受损带来的损失，比做好质量检查的成本高得多。LQA的好处是能尽早把问题揪出来。

管好供应商

跟好几个译员或翻译公司合作的时候，LQA能提供客观数据，谁做得好谁做得差，一目了然。

满足合规要求

医疗、法律、金融这些行业对翻译质量有硬性要求，需要有据可查的质量流程。LQA能提供完整的审计记录。

发现系统性问题

通过跟踪错误模式，LQA能发现那些反复出现的问题——这些问题可以通过培训或调整流程来解决，光靠一次次校对是搞不定的。

LQA流程

一个典型的LQA怎么做？大致分这么几步。

第1步：定好质量标准

评估之前先把规矩定好：

• 错误类别（准确性、流畅性、术语……）
• 严重性级别（严重、主要、次要）
• 通过门槛（比如MQM分数≥95）
• 评估范围（全量还是抽样）

第2步：找对人来评

LQA评估人员得满足几个条件：

• 目标语言母语者
• 领域专家（做医疗翻译的就得懂医疗）
• 受过LQA方法论培训
• 不能是做原翻译的那个人

第3步：逐段审查

评估人员一段一段地看译文，发现错误后标注：

• 错误类型（误译、遗漏、语法问题……）
• 严重程度（这个错影响有多大？）
• 错误位置（哪个段落出了问题？）

第4步：算质量分数

用MQM评分模型的话，公式是这样的：

质量分数 = 100 - (扣分 / 字数 × 100) 

不同严重性的扣分不一样：

• 严重：25分
• 主要：5分
• 次要：1分

第5步：出报告

LQA报告一般会包含这些内容：

• 总体质量分数
• 按类别和严重性的错误分布
• 带例子的具体错误说明
• 跟历史数据的对比

第6步：反馈给译员

评估结果要跟译员分享，不然评估白做了。反馈的重点是：

• 错误类型有没有规律
• 给出正确写法的具体例子
• 好的地方也要说出来，别光挑毛病

LQA错误类别

按MQM框架，常见的LQA错误类别有这些。

准确性错误

流畅性错误

术语错误

风格错误

本地化错误

LQA严重性级别

严重错误

这类错误可能导致：

• 法律纠纷
• 安全风险
• 经济损失
• 严重误解

**例子：**药品剂量翻错、法律条款译反、安全说明漏掉关键信息

**扣分：**25分

主要错误

这类错误对理解和体验有明显影响：

• 读者会困惑
• 用户体验受损
• 看着不专业

**例子：**意思翻错、句子结构混乱、语气不对

**扣分：**5分

次要错误

影响不大的小问题：

• 能注意到但不影响理解
• 轻微的风格瑕疵
• 小的拼写错误

**例子：**标点小问题、措辞稍显生硬、大小写

**扣分：**1分

AI做LQA

2025年AI正在改变LQA的做法，这是个实实在在的变化。

传统LQA vs. AI LQA

AI LQA的工作方式

现在的AI LQA工具用大语言模型来做这些事：

1. 对比源文本和译文
2. 找出潜在的错误
3. 判断错误的类型和严重程度
4. 算出质量分数
5. 生成详细的评估报告

实际操作中怎么用？混合模式

说实话，纯靠AI或纯靠人工都不是最优解。我觉得最好的做法是把两者结合起来：

1. AI先过一遍 — 大批量快速筛查
2. 人工复核 — 重点检查AI标记的严重错误
3. 随机抽查 — 对AI判定"没问题"的内容做人工抽检
4. 持续校准 — 用人工反馈让AI越来越准

FAQ

LQA在翻译中是什么意思？

LQA就是Linguistic Quality Assurance（语言质量保证）。简单说，就是用标准化的错误分类、严重性分级和评分体系来系统地评估翻译质量。它给出的是客观、可量化的评估结果，不是"我觉得翻得还行"这种主观感受。

LQA和QA有什么区别？

QA（质量保证）是个大概念，涵盖所有跟质量有关的活动。LQA专注于翻译的语言层面——准确性、流畅性、术语、风格和本地化规范。技术QA则管的是格式、功能、UI显示这些非语言性的问题。

LQA分数怎么算？

一般用MQM（多维质量指标）模型。找到错误后，按类型和严重性分类，然后算扣分。公式是：100 减去（总扣分除以字数再乘以100）。举个例子：一篇1000字的文档扣了15分，分数就是100 - (15/1000 × 100) = 98.5。

多少分算好？

看内容类型。大致来说：99-100分是高质量，可以直接发布；95-98分不错，做点小调整就行；90-94分能用，但需要认真改一改；90分以下就要考虑大改甚至重译了。法律、医疗这类内容通常要求98分以上。

AI能替代人工LQA评估员吗？

现阶段不能完全替代。AI做初步筛查、保持一致性、大批量处理很在行，但碰到需要细微判断的地方——比如文化适配、语境理解——还是得靠人。眼下最务实的做法是混合模式：AI负责效率，人负责把关。

准备在翻译流程中用上LQA？试用KTTC，体验AI驱动的语言质量评估，支持MQM标准和完整的错误报告。