翻译行业术语表

AI编排是一个控制层，负责决定由哪个模型或服务处理某个请求、需要补充什么上下文、结果要经过哪些检查，而不是把所有内容都送去同一个模型走同一条路径。

BLEU是最古老、应用最广泛的机器翻译评估指标：它逐词逐短语统计译文与参考译文的重合程度。

帮助翻译人员更高效工作的软件，提供翻译记忆、术语管理和质量保证功能。

COMET是在人工评分数据上训练的神经网络，其翻译质量评分通常比BLEU等经典指标更准确，并支持无参考评分。

GEMBA是一种直接向大语言模型提问来评估翻译质量的方法，而不依赖专门为此训练的评分指标。

ISO 11669是一项标准，列出在开工前需要明确约定的翻译项目参数：受众、用途、术语要求和交付格式。

ISO 18587是规定机器翻译译后编辑要求的标准：什么算完整译后编辑、什么算轻度译后编辑，以及译后编辑人员应具备哪些能力。

ISO 5060:2024是描述翻译质量评估流程——评估前准备、评估本身与评估后行动——的国际标准，其错误分类体系与MQM保持一致。

LQA是由语言专家审核成品译文的环节：将译文与原文对照，并按照术语、风格和本地规范等既定标准进行评估。

为各行业客户提供专业翻译、本地化、口译和相关语言服务的公司。

MQM Core是翻译错误分类体系的更新版本，将MQM与DQF合并为与ISO 5060标准对齐的统一分类体系。

MQM是评估翻译质量的行业标准框架，按类型（准确性、流畅性、术语、风格）和严重程度（严重、主要、次要）对错误进行分类。

人工翻译人员审核和修正机器翻译输出以达到出版质量的过程。

MTQE是一种机器翻译质量评分方法，模型只看「原文—译文」这一对文本，无需预先准备的参考译文即可打分。

NMT是基于神经网络的机器翻译，模型学习一次性翻译整句话，而不是像早期统计系统那样拼接单个短语的译文。

QE（Quality Estimation）是模型自动评估翻译质量的统称，既包括依赖参考译文的方法，也包括无参考方法。

RAG是指模型在作答前先从外部数据库检索相关片段并加入上下文，而不是只依赖训练时记住的内容。

用于在不同CAT工具和翻译管理系统之间交换翻译记忆数据的基于XML的标准格式。

使用标准化指标、框架和错误分类系统性评估翻译质量的过程，以确保翻译满足指定的质量要求。

由OASIS标准化的基于XML的格式，用于在本地化工作流程中的工具之间交换可本地化数据及其翻译。

智能体翻译是指文档翻译不由单次模型调用完成，而是由多个专职智能体分别负责语气、术语、文化适配和审核等不同环节。

系统性识别、存储和管理专业术语及其翻译的过程，以确保所有内容的一致性。

翻译记忆中源文本与存储片段相似但不完全相同的匹配，通常以相似度百分比来衡量。

源语言是被翻译内容的原始语言，目标语言是内容被翻译成的语言。

作为单个实体进行翻译的离散文本单位，通常是一个句子或段落，构成翻译记忆的基本构建块。

存储已翻译片段以供重复使用的数据库，确保一致性并通过利用现有工作降低翻译成本。