本文属于类型a，是一篇针对单一原创研究的学术论文。以下是根据该文档内容撰写的学术报告。
一、研究作者、机构与发表信息
本文题为《workflow matters: comparing human translators and multi-agent llms in literary translation》（工作流程至关重要：比较人类译者与多智能体大语言模型在文学翻译中的表现），作者为 Lulu Wang（香港理工大学）、Sanjun Sun（北京外国语大学）、Xing Wang（腾讯）以及 Jinghang Gu 和 Kanglong Liu（香港理工大学）。该研究发表于期刊 *Target*，于2026年6月1日在线发表，刊载于第38卷第3期，页码为422至453页。
二、研究背景与目的
文学翻译（literary translation）长期以来被视为一项复杂的认知活动，要求译者具备语言知识、文化意识和艺术再创造能力。传统神经机器翻译（neural machine translation, NMT）系统虽然在流畅性方面取得了进展，但在处理文学文本的文体风格、隐喻与文化细节方面仍存在明显局限。近年来，大语言模型（large language models, LLMs）在翻译任务中表现出较强潜力，尤其是在多语种语料上预训练的模型能够更好地维持文本连贯性。然而，LLMs在文学翻译中仍面临语义偏差、风格扁平化和长文本一致性不足等问题。
现有研究多集中于提示工程（prompting），但结果显示提示策略的效果并不稳定。多智能体系统（multi-agent systems, MAS）将多个LLMs组织为分工协作的结构，已在多个领域显示优势。然而，许多现有MAS框架直接复制人类协作流程，未能充分利用LLMs自身的计算特性。本研究旨在比较两种不同设计逻辑的多智能体翻译系统——一种模仿人类专业翻译流程（practice-derived multi-agent system, PD-MAS），另一种围绕LLMs能力重新设计（LLM-capability-driven multi-agent system, LCD-MAS），并与专业人类译者的译文进行比较，探讨工作流程设计对文学翻译质量的影响。
三、研究设计与方法
本研究选取了十四位中国当代作家的十五部中文小说，共二十八个章节，体裁涵盖普通小说、推理侦探小说、科幻小说、爱情小说和仙侠小说。所有章节被标准化为约三千个汉字，以控制文本长度对翻译质量的影响。每部作品均已存在专业英文译本，作为人类译文基准。
研究构建了两个多智能体系统。PD-MAS遵循ISO 17100:2015翻译服务标准，分为预生产（pre-production）和生产（production）两个阶段。预生产阶段包括文本分析师（text analyst）和术语专家（term expert），分别负责分析源文本特征和创建双语术语表。生产阶段依次由译者（translator）、审校者（reviser）、审核者（reviewer）和校对者（proofreader）完成翻译与质量保证。
LCD-MAS则围绕LLMs的计算特性设计，分为三个相互关联的阶段。预翻译规划阶段（pre-translation planning）包含摘要生成器（summarizer）和策略规划器（strategy planner），分别生成叙事摘要和翻译策略方案。翻译与风格重写阶段（translation and stylistic rewriting）将源文本切分为约三百个汉字的语义单元，每个单元先由译者生成初始译文，经审校者检查准确性后，由风格指南生成器（style guide generator）提出文体增强建议，最后由风格重写器（stylistic rewriter）在保持语义内容的前提下提升文学表达。最终化阶段（finalization）负责协调各独立译段的连贯性。
两个系统均使用OpenAI的GPT-4o（版本gpt-4o-2024-11-20）通过Microsoft Azure OpenAI API实现，开发环境为Python 3.12.0。分析型智能体温度参数设为0，翻译与风格型智能体设为0.5。所有二十八个章节于2025年1月1日处理完毕。
在评估阶段，研究者从翻译后的章节中抽取了三十个文本样本，兼顾叙事与对话元素，覆盖源文本的开头、中间和结尾部分。评估采用盲评设计，四位专家评分员分别从准确性（accuracy）和流畅性（fluency）两个维度进行评分。其中两位母语为英语的写作教师评估流畅性，两位具有十年以上文学翻译教学经验的翻译学教授评估准确性。评分采用1至10分的整数评分量表。此外，评分员还需选出每个样本的首选译文，并提供书面评语。
四、主要研究结果
在准确性方面，弗里德曼检验（Friedman test）显示三种翻译方法之间无统计学显著差异（χ²(2) = 0.37, p = .832）。所有三种方法的中位准确性得分均为8分。事后成对比较（Bonferroni校正的Wilcoxon符号秩检验）进一步确认了任意两者之间均无显著差异。
在流畅性方面，结果呈现显著差异。弗里德曼检验显示三种翻译类型之间存在统计学显著变异（χ²(2) = 14.92, p < .001）。成对比较显示，LCD-MAS的流畅性得分（中位数=8）显著高于人类译者（中位数=7, p < .001, r = .71）和PD-MAS（中位数=7.5, p = .024, r = .49）。LCD-MAS对比人类译文的效应量r = .71，属于大效应。人类译文与PD-MAS之间无显著差异。
在总体偏好方面，共一百二十次评估中，LCD-MAS获得五十二票（43.33%），PD-MAS获得三十九票（32.50%），人类译文仅获二十九票（24.17%）。三位评分员始终偏好LCD-MAS，一位评分员略偏好PD-MAS。
质性分析揭示了三种方法各具特色的风格特征。LCD-MAS的译文呈现出丰富的意象、比喻性语言和动态表达，但其“文学修饰”倾向有时导致添加源文本中不存在的内容。PD-MAS译文更为简洁，但偶尔缺乏衔接和文体细腻度。人类译文则表现出碎片化句法特征，虽然在文化细微之处的处理上通常更为准确。
在文化专有项翻译方面，两个多智能体系统均表现出明显不足。例如，在翻译“用了两炷香的时间”时，两个AI系统都采用了字面直译，而人类译者则恰当地译为“took him two hours”。类似问题出现在“上神”“土司太太”等称谓的翻译中。值得注意的是，研究发现系统内部的文化知识并未有效转化为最终翻译策略，策略规划器虽能识别文化参照并建议加注处理，但这些建议未能在后续翻译流程中落实。
五、研究结论与意义
本研究证明，基于LLMs能力设计的LCD-MAS在文学翻译的流畅性和评分员偏好方面可超越专业人类译者，同时在准确性上与人类译者持平。这一发现挑战了文学翻译必须依赖人类认知过程的传统假设。将语义转换与文体精炼分离的架构设计，为翻译技术开发提供了新的方向。
然而，LCD-MAS添加额外内容的倾向引发了关于翻译伦理的讨论，模糊了翻译、改编与创造性重写之间的界限。文化专有项处理的持续困难表明，全自动文学翻译仍面临挑战，最优方案可能是人机协作模式。本研究还提示翻译理论需要重新审视翻译过程的本质，从个体认知活动转向功能分布式的协作过程。
六、研究亮点
本研究的核心亮点在于直接对比了两种不同的工作流程设计范式：人类实践模仿与LLMs能力驱动。LCD-MAS独有的“语际翻译（interlingual translation）—语内翻译（intralingual translation）”两阶段设计，将语义传递与风格提升解耦，充分利用了LLMs在文本风格迁移方面的优势。研究还系统性地揭示了LLMs在文化知识获取与翻译策略实施之间的“知行脱节”现象，为未来系统改进指明了具体方向。
七、其他有价值内容
研究的局限性包括仅考察中译英方向、使用单一模型（GPT-4o）、评估文本长度有限、未分离文本分块与多智能体架构的独立效应等。研究者指出，LCD-MAS同时引入了文本分块和更复杂的智能体架构，构成潜在混淆变量，未来研究应分离这些因素以确定其独立贡献。附录A列出了十五部小说的完整书目信息及译者，附录B提供了评分标准细则。