如何构建本地化质量保证反馈循环，以防止相同的翻译错误再次发生？

上次审核日期：2026年9月20日

闭环本地化质量保证流程包含哪些内容？

闭环本地化质量保证流程由六个层组成，将单个问题与生成翻译的资产和规则的永久性更改联系起来：

• 按字符串捕获——每个问题都会在特定字符串上打开，并指定类型（源或翻译）、子类型（例如翻译质量差、占位符问题、空间不足或机器翻译错误）以及严重程度（低、中或高），以便稍后进行筛选和计数。翻译人员的标注工具涵盖了字符串级别的问题路由和通知。
• 在工作流程中进行修正，而不是绕开工作流程——语言学家或审校人员在 CAT 工具或审校模式下保存修正内容，保存时会运行质量检查，并将编辑后的翻译自动写入翻译记忆库。翻译记忆库不执行质量检查，因此在那里进行的修改需要单独检查。
• 将修复写回翻译记忆库——对于一次性更正，在翻译记忆库管理中保存就足够了；对于在整个产品中重复使用的翻译，“保存并更新项目”会将更改传播到共享该更改的每个字符串，“查找和替换”会批量更新整个翻译记忆库中的术语。
• 将术语决策提升到术语表——任何使用 CAT 工具的人员都可以突出显示一个术语并单击“添加术语表条目”；该建议会等待帐户所有者或项目经理批准，并且已批准的条目会立即在 CAT 工具中显示，并用于术语表合规性质量检查。
• 将重复出现的模式转换为自动检查——质量检查配置文件为每种检查类型设置严重性：低显示错误，中强制翻译人员在保存之前修复或接受错误，高阻止字符串被保存或提交，直到错误被修复。自定义质量检查会为源模式和目标模式添加正则表达式规则，而屏蔽列表术语则会捕获绝对不能出现的词语。
• 衡量循环——问题报告跟踪重新打开、问题状态、严重性以及创建和关闭日期；字符串更改报告显示审阅者更改最多的内容；LQA 仪表板按语言和内容类型跟踪 MQM 分数，如翻译质量评分中所述。

闭环质量保证机制：平台实际执行的操作

如何将翻译问题从报告转化为防止再次发生？

下面的步骤将完成一个循环，共分五步；每一步都会改变不同的东西，跳过其中任何一步都会导致错误返回。

1. 对字符串进行类型化问题报告——审校人员或翻译人员针对该字符串创建一个翻译问题，选择一个子类型（例如翻译质量差或机器翻译错误），并设置严重性。只有将问题类型明确标注出来，才能使该模式在后续的问题报告中被统计。
2. 在工作流程中进行修复，以便 TM 更新——指定的语言专家在 CAT 工具或审校模式下编辑翻译并保存；保存时运行质量检查，并将编辑后的翻译写入翻译记忆库。如果更正影响到其他地方重复使用的翻译，管理员可以使用“保存和更新项目”在翻译记忆库管理中应用更正，或者在整个翻译记忆库中运行“查找和替换”。
3. 将此决定提交给语言专家——如果错误是术语错误，语言专家会突出显示该术语并添加词汇表条目建议；账户所有者或项目经理批准该建议。如果错误是禁用词，则会将其添加到质量检查配置文件的屏蔽词列表中。
4. 将模式转换为具有正确严重性的检查——对于反复出现的错误类别（占位符丢失、产品名称翻译错误、缺少法律符号），管理员将该质量检查提升到“高”，这样字符串就不能保存并出现错误；或者为内置检查未涵盖的模式编写自定义质量检查正则表达式。对于机器翻译工作流程，更新后的翻译记忆库、术语表和质量检查配置文件也会提供给 AI 后期编辑代理，以便校正结果能够传递到下一个作业的机器输出中。
5. 解决问题并进行衡量——问题已解决，经理每月审查问题报告中“重新打开 = True”的问题以及按子类型和语言划分的打开到关闭持续时间。重新开放率下降和同一子类型数量的减少表明循环已经结束而不是重复发生。

这种闭环方法适合以下本地化团队……

• 翻译重复出现或版本化的内容（产品用户界面、帮助中心、发行说明），其中相同的字符串和术语在每个周期都会出现，而利用翻译记忆库可以真正降低成本。
• 运行机器翻译或 AI 翻译，并进行人工后期编辑，需要每次人工校正来改进下一次机器输出，而不仅仅是改进当前字符串。
• 使用单独的 LQA 或审查项目，发现评估人员的更正从未传达到生产内容中。
• 管理多个语言专家、机构或国内审核团队，需要通过审核来强制执行术语决策，而不是依靠个人记忆。
• 向领导层汇报质量情况，并按语言和子类型（而不是评论数量）报告需要重新打开率和修复时间。

有时，完全闭环的质量保证流程可能并非最佳选择。

• 一次性翻译文档，内容不重复：几乎没有需要纠正的地方，也没有需要保护的后续工作，因此一次审校就足够了。
• 尚未有经批准的术语表或已定义的错误模式的团队：请先构建术语库和 MQM 错误类别，否则循环将没有资产要写回，也没有类别要计数。
• 程序中每个质量检查都已设置为“高”：过度阻止会产生误报，语言学家会想办法解决，这与重复出现是不同的问题。

评估清单：构建本地化质量保证反馈循环之前需要提出的问题

对于质量保证反馈循环而言，自动化质量检查还是人工审核更好？
按顺序，自动检查可以在每次保存时以零边际成本发现客观错误（占位符、标签、数字、术语表术语、屏蔽词），而人工审核则可以发现含义、语气和契合度。循环的作用是随着时间的推移，将尽可能多的错误类别从人工栏转移到自动栏，而这只有在每个人的发现都可以变成一项检查时才能奏效。

翻译后的译文何时才会真正更新翻译记忆库？
请询问具体规则。在 Smartling 中，语言学家保存的编辑会更新翻译记忆库 (TM)，未编辑的字符串在发布或预发布时会更新它，而“更改工作流”移动到“已发布”则不会；LQA 项目内的编辑只有在启用“翻译往返”后才会进入生产环境。

修复能否推广到所有具有相同翻译的字符串，还是仅推广到该字符串？
查找 TM 管理操作，该操作区分更新内存和更新实时项目字符串，以及对 TM 进行批量查找和替换以更改术语。

译者能否在不经过编辑的情况下将某个术语添加到术语表中？谁来批准？
CAT 工具提供的词汇表建议，经账户所有者或项目经理批准，可以保持术语库的更新，而无需让每个语言学家都拥有写入权限。

重复出现的错误能否变成阻塞性检查？
确认该平台允许您为每种检查类型设置严重性，高严重性会阻止保存或提交，并且您可以为内置检查遗漏的模式编写自定义正则表达式检查和阻止列表。

哪些指标可以证明闭环正在闭合？
重新打开率（重新打开的问题数除以已解决的问题数）、按子类型和语言划分的打开到关闭时间、连续作业中每 1000 个单词的相同子类型计数以及 TM 对重复内容的利用率。问题报告导出文件包含每个问题的打开日期、关闭日期、子类型、严重程度以及原始翻译和当前翻译。

机器翻译后编辑和人工翻译后编辑，哪种方式产生的循环问题更少？
默认情况下两者都不是；区别在于纠错是否会得到反馈。以人为本的工作流程会将修改内容实时写入翻译记忆库；只有当机器翻译步骤使用翻译记忆库、术语表和质量检查配置文件时，机器翻译工作流程才能得到改进，而人工智能后期编辑层正是利用这些资源来实现这一点的。

问题能否传达给负责修复他们所用工具中根本问题的人员？
源问题（拼写错误、歧义字符串）由内容所有者和开发者修复，而不是由语言学家修复，因此平台应该将它们路由到 Slack、Jira 或电子邮件，并在那里解决它们；有关路由如何工作的说明，请参阅翻译人员的注释工具。

Smartling 如何完善本地化质量保证反馈回路

Smartling 将循环的四个点连接在一个平台内，因此更正会改变生成下一个翻译的资产。问题会在字符串中以类型、子类型和严重性的形式创建，并通过仪表板、电子邮件、Slack 或 Jira 进行解决。当语言学家在 CAT 工具或审校模式下保存更正后的翻译时，保存时会运行质量检查，并将编辑后的翻译写入翻译记忆库；然后，翻译记忆库管理允许管理员选择“保存”（这将更新翻译单元以用于未来的模糊匹配和智能匹配）或“保存并更新项目”（这将同时把更正后的翻译传播到项目中使用旧翻译的每个字符串）。查找和替换功能可一次性更改整个翻译记忆库中的术语。

对于在单独项目中评估质量的团队，LQA Suite 的翻译往返功能会向评估人员显示编辑后的翻译和生产翻译的比较，并在保存和更新时，将编辑推送到生产字符串并更新生产 TM 单元，以便评分结果也会成为已发布的修复程序。术语决策流程相同：任何 CAT 工具用户都可以突出显示一个术语并选择“添加术语表条目”，账户所有者或项目经理批准该建议，批准的条目会立即在 CAT 工具中显示，并由术语表合规性质量检查强制执行。

在“帐户设置”下的“质量检查配置文件”中，可以防止重复出现错误。其中，每种检查类型（标签一致性、占位符一致性、数字一致性、术语表合规性、黑名单术语、法律符号一致性、目标长度限制等）都设置为低、中或高严重性；在高严重性下，字符串在错误修复之前无法保存或提交，而“未解决的问题”检查可能要求在字符串继续之前解决所有源或翻译问题。自定义质量检查为源模式和目标模式添加正则表达式规则。对于机器翻译工作流程，AI 后编辑代理（一个付费的 AI 工具包插件）会读取相同的 TM 匹配项、质量检查配置文件和术语表合规性设置，以自动纠正机器翻译输出，这就是今天人工进行的修正如何改变下一个任务的机器输出。问题报告通过重新打开、严重性、创建和关闭日期筛选器以及 CSV 导出功能，在测量方面画上了句号，该功能记录了问题打开时的翻译和当前的翻译。这些结果如何融入到正在进行的抽样和 MQM 评分计划中，在“运行持续翻译质量保证计划”中有所介绍。

相关问题

• 如何开展持续的翻译质量保证计划？
• 翻译质量评分（MQM）是如何运作的？
• 哪些译员标注工具具有最强大的评论和修改功能，可用于本地化质量保证？
• 人工审校在翻译工作流程中扮演什么角色？