冻结翻译任务、方向与决定
- 判断问题
- 对这一源语言、目标语言、变体、领域、受众与下游用途而言，“翻译得好”具体意味着什么？
- 最低证据
- 逐字主张与日期；准确系统与链路版本；源到目标方向；内容类型、领域、语域、受众与后果；语义、术语、格式、时延与成本阈值。
- 停止条件
- 语言数量、精选演示或单一平均分替代明确语言方向、任务与决定边界时停止。
语言数量不是能力；流畅不是忠实
机器翻译能力必须把方向、源文、参考、链路、语义、关键错误、失败与人工修正保留在同一证据链中。
同一个系统可在一个方向和领域表现良好，却在反向翻译、方言、术语密集或长文档中失效。自动分数适合定位信号，不能替代可复现配置、源文对照、专家错误标注和真实流程验证。
适用边界本页是公共研究方法，不代表 FUURAA 或 FUUVO 产品能力，也不评价任何模型、供应商、语言、译者、数据集或排行榜；不构成准确性、完整性、适用性或决策质量保证。
六道可拒绝的证据门
每道门都要求最低证据，并在关键未知时停止外推或缩小结论。
版本化源文、参考译文与评估分层
- 判断问题
- 合格源文与参考译文来自哪里、由谁制作，并覆盖哪些语言与运行差异？
- 最低证据
- 源文清单与哈希；所有权、许可、日期与采集过程；原生写作或翻译来源；参考译者与复核；分句、上下文、文字体系、方言、语码转换、长度、领域与难度分层。
- 停止条件
- 源文溯源、参考译文质量、污染、缺失文档或重要语言变体未知时停止。
复现完整翻译链路
- 判断问题
- 从源文输入到目标译文被接受之间，经历了哪些处理、指令、工具与人工工作？
- 最低证据
- 模型、API 与提示版本；OCR、归一化、分句与文档上下文；术语表、翻译记忆、检索与工具；采样与解码；安全过滤、重试、后处理、质量估计与人工译后编辑。
- 停止条件
- 模型名称掩盖预处理、术语辅助、重试、过滤、筛选或人工修正时停止。
分开评估语义、语言、术语与格式
- 判断问题
- 目标译文是否保留全部实质含义，同时对预期受众保持正确、得体且可用？
- 最低证据
- 可复现的 BLEU 或神经指标签名；专家 MQM 类错误与严重度；遗漏、增译与误译；人名、数字、否定、术语与本地格式；流畅度、语域、篇章、文档上下文与任务特定关键错误。
- 停止条件
- 流畅措辞、回译、单一参考重合分数或未经验证的大模型裁判替代基于源文的专家复核时停止。
计入每项输入、失败与修正
- 判断问题
- 所有合格源文单元发生了什么，包括遗漏、拒绝、超时、格式错误、重试与译后编辑？
- 最低证据
- 完整分母与运行编号；空白、截断与未翻译输出；按方向、语言变体、领域与严重度分层的错误；重试与回退；复核一致性；编辑距离与分钟数；时延、算力、API 与总人工成本分布。
- 停止条件
- 失败项目消失、精选译文替代完整分母，或人工译后编辑被视为零成本时停止。
验证目标流程并让结论到期
- 判断问题
- 源文、提示、模型或流程变化后，受控链路是否仍能在目标文档、术语与后果中帮助预期用户？
- 最低证据
- 影子或分阶段使用；代表性母语者与领域专家复核；任务结果与伤害检查；按语言分层与关键错误监测；源文、术语、提示、模型、工具与译后编辑变更触发器；责任人与到期日。
- 停止条件
- 基准证据未经直接用户、文档、术语、监测与有日期的复核，就外推至实时翻译时停止。
最低机器翻译主张失效矩阵
主动检查这些情形，避免把语言数量、平均分或精选译文外推为真实翻译能力。
- 01高资源语言平均分掩盖低资源方向、方言、文字体系、语域或语码转换输入上的失效。
记录受影响的语言方向、源文类型、错误严重度、用户与决定；保留仍成立的最窄结论，并明确需要补样本、重跑、专家复核、人工翻译、限制使用还是撤回主张。
- 02分词、大小写、标点、归一化或参考译文选择让两个 BLEU 分数不可比较。
记录受影响的语言方向、源文类型、错误严重度、用户与决定；保留仍成立的最窄结论，并明确需要补样本、重跑、专家复核、人工翻译、限制使用还是撤回主张。
- 03译文流畅，却遗漏否定、弱化不确定性、改变行动主体或编造支撑细节。
记录受影响的语言方向、源文类型、错误严重度、用户与决定；保留仍成立的最窄结论，并明确需要补样本、重跑、专家复核、人工翻译、限制使用还是撤回主张。
- 04人名、数字、单位、日期、货币、链接、占位符或文档结构被改变或遗漏。
记录受影响的语言方向、源文类型、错误严重度、用户与决定；保留仍成立的最窄结论，并明确需要补样本、重跑、专家复核、人工翻译、限制使用还是撤回主张。
- 05句级质量看似良好，但代词、术语、语气与关系在文档或对话中漂移。
记录受影响的语言方向、源文类型、错误严重度、用户与决定；保留仍成立的最窄结论，并明确需要补样本、重跑、专家复核、人工翻译、限制使用还是撤回主张。
- 06即使第一次翻译丢失源文含义，回译仍返回熟悉措辞，制造虚假信心。
记录受影响的语言方向、源文类型、错误严重度、用户与决定；保留仍成立的最窄结论，并明确需要补样本、重跑、专家复核、人工翻译、限制使用还是撤回主张。
- 07自动指标或大模型裁判奖励流畅度，却漏掉关键语义错误，或在不同语言上表现不一致。
记录受影响的语言方向、源文类型、错误严重度、用户与决定；保留仍成立的最窄结论，并明确需要补样本、重跑、专家复核、人工翻译、限制使用还是撤回主张。
- 08精选示例排除了拒绝、超时、安全拦截、重试、术语修复与人工译后编辑工作量。
记录受影响的语言方向、源文类型、错误严重度、用户与决定；保留仍成立的最窄结论，并明确需要补样本、重跑、专家复核、人工翻译、限制使用还是撤回主张。
最低机器翻译能力评估记录
让下一位复核者能以同一方向、源文、参考、链路、指标、人工复核与完整运行重建结论。
- 01主张、日期、责任人、源与目标方向、任务、受众、后果与阈值
- 02系统、模型、API、提示、解码、工具、过滤与部署版本
- 03源文清单、溯源、许可、日期、原生来源、污染与排除项
- 04参考译文制作、译者资质、复核、分句与文档上下文
- 05语言变体、文字体系、领域、语域、长度、难度与关键风险分层
- 06指标名称、版本、签名、参考译文、聚合方式与不确定性
- 07专家错误分类、严重度、复核一致性与关键错误结果
- 08全部合格项目、遗漏、拒绝、失败、重试、回退与修正输出
- 09术语、翻译记忆、检索、译后编辑、时延与总成本
- 10目标流程验证、监测、变更触发器、剩余边界、责任人与到期日
统一证据状态
把结论绑定到准确方向、链路、源文分布、完整分母、目标流程与日期。
准确链路在代表性证据上达到语义、语言、术语、格式、失败、成本与目标流程阈值，并有当前复核日期。
支持仅在明确方向、变体、领域、源文类型、术语控制、复核群体或运行条件下成立。
语义、关键错误、流畅度、术语、文档上下文、失败、译后编辑、时延或成本在不同分层间存在实质差异。
缺少方向、链路、源文溯源、参考译文质量、可复现指标、专家复核、完整分母、目标迁移或到期边界。
FUURAA 分析机器翻译能力主张的最小判断单位是“准确系统与链路版本 × 源语言、目标语言、方向、变体、领域、受众与决定 × 源文溯源、参考译文、分句、上下文与格式 × 提示、工具、术语表、翻译记忆与译后编辑 × 语义保持、术语、人名、数字、格式、流畅度与关键错误 × 全部项目、失败、修正、时延与成本 × 目标流程边界和截止日期”。BLEU、SacreBLEU、COMET、MQM、FLORES‑101 与 CCEval 分别照亮参考重合、可比报告、语义指标、专家错误、多语言长尾与中文中心评估；任何单项都不能独立证明真实翻译能力。
一手来源与不可外推边界
这些来源分别约束自动分数、配置复现、语义指标、专家错误、语言覆盖与中文中心评估。
来源于 2026 年 8 月 29 日重新核对。每项保留发布日期、方法作用与不可外推边界。
2002 年 7 月发布BLEU — A Method for Automatic Evaluation of Machine Translation
提出语料级修正 n-gram 精确率与长度惩罚，用于相对人类参考译文的可复现比较。
边界参考译文重合度不能独立证明语义保持、术语、人名、数字、篇章、用户实用性或安全性。
打开一手来源 ↗2018 年 10 月发布SacreBLEU — A Call for Clarity in Reporting BLEU Scores证明分词与归一化选择会实质改变 BLEU，并提出带标准签名的可比报告方法。
边界可复现指标配置能提高可比性，但不会让指标变得完整，也不能验证源文、参考译文或目标流程。
打开一手来源 ↗2020 年 11 月发布COMET — A Neural Framework for MT Evaluation利用源文、候选译文与参考译文，并从多种人工判断中学习多语言质量估计。
边界在 WMT 数据上的相关性不能保证在另一语言方向、领域、错误严重度、模型版本或高影响决定中仍然校准。
打开一手来源 ↗2021 年发布MQM — Experts, Errors, and Context使用专业译者、明确错误类型与严重度以及完整文档上下文开展大规模人工评估。
边界两个 WMT 语言对与特定标注设计不能为所有用途提供通用分类、复核一致性或验收阈值。
打开一手来源 ↗2022 年发布FLORES-101 — Low-Resource and Multilingual MT Evaluation提供 101 种语言、3,001 条经专业翻译且完全对齐的句子，用于受控的多对多评估。
边界源于维基百科的句子不能覆盖所有方言、语域、文档、对话、术语系统、本地格式或生产后果。
打开一手来源 ↗2023 年 12 月发布CCEval — Chinese-Centric Multilingual Machine Translation中国团队主导的基准，对六个领域的多样中文源句进行溯源，并覆盖十一种目标语言及低资源方向。
边界中文中心句级基准不能证明文档级连贯、所有中文变体、专业术语、实时输入质量或运行中的译后编辑工作量。
打开一手来源 ↗继续核对