LLM 翻译复杂文本的较优工程解是什么？

[teli]

目前是写脚本，调用 deepseek api ，灌入长长的提示词。大部分可以翻译得很好。但一些复杂的，总是会出现一些翻译问题，需要人工修正。
人工修正的方法是，把原文丢给 Google 翻译、ChatGPT 、Gemini 、MiniMax 、GLM…… 看哪家翻译得最好；或者根据它们的输出，自己翻译。
不考虑成本，最佳方案可能是调用各家 LLM ，然后挑一家打分，选择得分最高的译文。但无奈经济能力有限。
所以，有没有较优的工程解？

补充：分段翻译，有外挂人名表

[unclemcz]

你当前是全文发给大模型翻译还是分段翻译？
碰上的都是哪些翻译问题呢？

[kuhung]

先设置评估标准，什么叫做好什么叫做不好。有时候翻译不得体，可能是随机结果，也可能是缺少词库。设置产出标准，不合格就切换或者兜底。

[terranboy]

可以先用 LLM 把词库抽出来，人工校验， 每次翻译不停优化词库，只会越来越好；另外你是不是遇到大文本的问题了，得分段

[TsubasaHanekaw]

分章节，让子任务阅读，提取人物信息，然后写翻译表。

[teli]

@kuhung 应该不是缺词库。
有些原文，本身就写得不清不楚，或者过于抽象。人翻译起来都头疼。几个 LLM 遍历下来，可能一个对头的都没有。
然后就应该属于你说的随机性了。可能出现神来之笔；可能明明简单的东西，就是给你来点小错误。