首个英译九语习语翻译质量评估数据集发布

2026年10月27日，Malik Marmonier等人在arXiv发布首个配对习语英语句子及其直译与意译的多语言平行数据集，覆盖九种目标语言，并开展基准测试。 基准测试覆盖11种常规指标与10个大语言模型。结果显示，绝大多数系统在评估习语翻译时存在字面偏差，倾向于偏好直译；仅有MetricX-24-Hybrid和Gemma-4-31B两个模型稳定偏好意译。 该研究结果警示，标准质量评估指标在隐喻密集领域（如习语翻译）存在显著误判风险，需结合特定场景重新审视现有评估框架的有效性。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。