基于大模型迁移学习的文学翻译伦理问题解决方案研究——以豆包智能体构建为例

作者：倩倩 姜, 庸 吴 · 发表于：新时代外语 · 年份：2025 · DOI：10.70677/bkms8084

文学翻译作为跨文化交际的重要媒介，其伦理维度日益成为学界关注的核心议题。然而，传统“理论阐释+人工审校”的伦理审查模式存在效率低下、主观性强等局限，现有通用人工智能工具亦难以精准把握文学文本的文化特异性。本研究基于豆包通用大模型，采用轻量级微调策略，在有限算力与数据资源条件下构建文学翻译伦理智能识别系统。研究自建包含10部中外文学名著选段的平行语料库，涵盖高质量参考译文与含伦理偏差的“问题译文”，并辅以多维度伦理标注。经领域适配微调，开发出集“风险识别——策略生成——效果评估”于一体的智能体系统。实验结果表明，该模型在文化误读、忠实度失衡、版权争议等伦理风险识别任务中准确率达90%以上，并能生成具有可操作性的修改建议。本研究为翻译伦理研究提供了"翻译学+人工智能"的跨学科方法论路径，对提升文学翻译行业规范性与跨文化传播效度具有实践价值。