大规模语言模型

日本国家的AI解决方案企业Headwaters的团队，在第21届日本感性工程学会春季大会及ISASE2026上，发表了关于“大规模语言模型（LLM）在故事翻译感性代理”方面的研究成果。

小说、漫画、动画、电影等内容不仅仅涉及事实关系，更包含故事设定、角色情感变化及相应表达等能够打动人心的元素。因此，翻译时不仅要保证意义的准确，还需理解角色个性、语调以及场景的生动感等文脉信息。

此次研究中，团队设定了忠实度、世界观、角色特性、语调、生动感及综合评价等多个重要维度作为故事翻译的评估标准。通过直接评价和比较评价（成对比较）的方法进行分析，采用数学模型“Bradley-Terry模型”对比较评价结果进行汇总，从而更好地结构化主观评价结果。研究指出，在评估感性质量时，先定义评价维度并基于此设计AI评价体系至关重要。

该研究的评价设计不仅推动了AI翻译质量评估的提升，还为利用生成式AI进行文本生成、本地化处理及品牌语调一致性确认等领域提供了可能，尤其适用于内容质量管理和本地化等常涉及模糊评价标准的场景，展现了AI广泛应用的潜力。