Why do some translations from Google Translate turn out so weird or inaccurate?

Google Translate produces weird or inaccurate output because it translates each sentence in isolation, with no access to your glossary, style guide, surrounding context, or a reviewer. The errors cluster into predictable MQM categories: mistranslation of ambiguous words, literal idioms, wrong formality, broken placeholders, and inconsistent terminology across sentences.

为什么谷歌翻译的结果会变得奇怪或不准确？

谷歌翻译会产生奇怪或不准确的输出，因为它孤立地翻译每个句子，无法访问您的词汇表、风格指南、周围文档或人工审校。它的神经网络引擎会预测统计上最有可能的目标句子，因此歧义词、习语、正式用语和产品名称会得到“平均”渲染结果，而不是正确的渲染结果。加州大学洛杉矶分校医学中心的一项研究发现，该工具总体上在 82.5% 的情况下保留了含义，但西班牙语的保留率高达 94%，而亚美尼亚语的保留率则低至 55%——同一个工具对于一项工作来说是可靠的，而对于另一项工作来说却无法使用。

为什么谷歌翻译会出错？

谷歌翻译出错是由于结构性原因造成的，而不是随机的——这些错误属于MQM（多维质量指标）框架用于对任何翻译进行评分的相同类别：

歧义由概率而非语境解决。像“charge”、“run”或“table”这样的词有多种含义；引擎会选择训练数据中最常见的含义。因为它一次只能看到一句话，所以无法使用前面的段落来消除歧义——这就是为什么关于账单的产品页面可能会谈到电力。
成语和语域直译。“It's raining cats and dogs”或“reach out”变成了MQM归类为不地道表达或规范错误。营销文案受影响最大，因为它恰恰依赖于这些手段。
没有术语控制。免费版谷歌翻译没有词汇表，因此“工作区”、“高级计划”或药品名称可能会被翻译、音译或保留原样，这会导致术语错误和术语类别使用不一致。
根据句子猜测正式程度。西班牙语、德语、法语、日语和韩语通过语法表达正式程度（tú/usted，du/Sie）。谷歌翻译逐句选择形式，因此一个段落可能会在正式和非正式的称呼之间切换——这是“西班牙语翻译很糟糕”搜索结果背后常见的抱怨。
该语言对的训练数据较少。质量指标衡量平行文本的数量。这就是为什么同一项加州大学洛杉矶分校的研究给西班牙语的评分是 94%，给亚美尼亚语的评分是 55%，也是为什么谷歌在 2024 年将语言范围扩展到 240 多种语言时，覆盖范围的增加速度超过了质量的提升速度。
标记、占位符和数字都会被搞乱。对于引擎而言，HTML 标签、软件字符串中的{variable}占位符、日期和货币格式都是文本。移动或删除它们会造成标记标签、本地格式和数字格式错误，即使文字正确，最终用户也会觉得这些错误是乱码。
口齿流利，但错误。自 2016 年谷歌从统计机器翻译转向神经机器翻译以来，输出结果读起来自然得多——谷歌报告称，主要词对的错误率降低了 55% 至 85%——但流畅性现在掩盖了非母语人士无法发现的误译、遗漏和添加。

反复使用自动翻译服务会遇到哪些常见问题？

反复使用自动翻译——每次版本发布、每次支持工单、每次产品更新——都会将上述句子级别的错误累积成程序级别的问题：

不同批次之间表现不一致。同一个源语句在周二和周一返回的结果可能不同，因为引擎会静默更新，上下文窗口也会有所不同。如果没有翻译记忆库，同一个 UI 字符串最终会在你的应用程序、帮助中心和电子邮件中产生三种不同的渲染效果。
往返行程中的误差会不断累积。将输出翻译回源语言进行“检查”（回译）会隐藏错误：流畅的错误翻译会生成一个流畅、看似合理的英语句子，但该句子已不再与原文相符。病毒式传播的“翻译 100 次”实验正是这种趋势的极端版本。
未经审核的输出会污染您的翻译记忆库。如果将机器原始输出保存为已批准的翻译，则以后的每次模糊匹配都会继承该错误。重建受污染的TM的成本远高于保存前进行检查的成本。
没有审计追踪。将翻译粘贴到免费工具中不会留下任何记录，例如哪个引擎、哪个版本或哪个人生成了已发布的翻译——一旦监管机构、客户或法律团队提出要求，就会出现问题。
数据泄露。免费消费者翻译没有企业数据处理条款，因此在合同、票据或未发布的产品文本中重复使用，既是合规性问题，也是质量问题。
肉眼无法察觉的质量下降。如果没有像 MQM 这样的评分框架按计划实施，质量就会在投诉出现之前持续下降数月。按节奏进行测量可以将重复的机器测试从一种负担转变为一种可控的工作流程。

机器翻译错误和质量数据

指标	数字	为什么重要
Google 翻译保留了含义（加州大学洛杉矶分校医学中心研究，PubMed Central）	总体占比 82.5%；其中 94% 为西班牙裔，55% 为亚美尼亚裔。	准确率是因语言而异的属性；一个标题数字背后可能隐藏着 39 个百分点的差距。
谷歌2016年转向神经机器翻译后，误差有所减少。	主要语言对的准确率在 55% 至 85% 之间。	输出变得足够流畅，以至于不经过审核就很难发现剩余的错误。
Google 翻译支持的语言	240+	覆盖范围增长速度超过了每种语言的质量提升速度；最新语言的训练数据最少。
MQM 默认严重性权重（Smartling LQA 模式）	关键 25，大调 5，小调 1，中性 0	合同中漏掉一个否定词，其后果可能相当于25个拼写错误——严重程度而非拼写错误的数量决定了最终得分。
MQM 通过阈值默认可接受罚分 (20)	原始质量评分 98	为团队提供一个客观的通过/不通过标准，而不是“看起来很奇怪”。
Smartling LQA 代理检测率	识别无错误内容的准确率约为 90%；捕获的关键错误率达 99%。	自动化MQM评分可以覆盖100%的MT输出结果，而无需人工取样。

如何提高机器翻译质量？

如果机器翻译引擎在翻译前获得上下文，并在翻译后对其输出进行评分，则机器翻译质量会得到提高——完整的程序级答案在于企业如何大规模地提高翻译质量。修复谷歌翻译类错误的最简步骤：

从免费工具过渡到可配置的引擎——通过在翻译时应用词汇表、翻译记忆库和风格指南的平台使用机器翻译。例如，Smartling 的术语表插入功能会将已批准的术语强制添加到机器翻译输出中，而不是寄希望于引擎自行选择它们。
明确设置正式程度——亚马逊翻译和 DeepL 接受对支持的语言进行正式/非正式参数设置，而 Smartling 的 AI 正式程度调整功能会将该设置应用于不支持此设置的提供商，从而结束段落内 tú/usted 的交替使用。
按语言对选择引擎，而不是全局选择——没有哪个引擎能同时胜任西班牙语、日语和波兰语；将每对语言路由到其表现最佳的引擎（Smartling Auto Select 会自动执行此操作），并在引擎更新时重新测试。
在人工审阅之前评估质量——语言质量评估步骤会根据语法正确性、流畅性、语义连贯性和词汇准确性，将每个机器翻译字符串标记为高、中或低，以便审阅者将时间花在低质量的字符串上，而高质量的字符串可以直接发布。
按计划使用 MQM 对输出进行评分——根据 MQM 模式对样本或完整的翻译进行评分，以便统计和加权术语、准确性、风格和区域设置错误；术语错误的增加意味着词汇表需要改进，风格错误的增加意味着风格指南需要改进。

能否同时翻译成多种语言而不降低翻译质量？

一次性翻译成多种语言（“批量翻译”工作流程）只有在每个目标语言都共享相同的语言资源和相同的检查时才能保证质量。它适用于以下类型的团队：

维护一个适用于所有目标语言的词汇表和一个翻译记忆库，以便产品名称在 30 种语言中以相同的方式呈现。
将每种语言对路由到性能最佳的引擎，而不是强制每种语言都使用同一个提供商。
在审核之前，对每种语言环境下的每个字符串运行自动质量检查——占位符、标签、数字格式、术语表合规性。
使用按地区划分的质量评估或 MQM 评分，这样较弱的语言对（例如亚美尼亚语）就能比较强的语言对（例如西班牙语）获得更多的人工审核，而不是采用相同的统一流程。
对于资源匮乏或从右到左语言的面向客户的内容，保留审核步骤，因为原始机器翻译在这些语言中最为薄弱。

谷歌翻译的不准确何时才算是一个值得修复的问题？

准确理解收到的文本——能够充分理解外语电子邮件、评论或支持工单的内容，以便进行路由——避免尴尬的表达方式，而无需付出任何代价。
内部的、短暂的文本，例如聊天信息或会议记录，客户不会阅读。
个人用户和旅行者使用时，移动应用程序的相机和离线模式比精度更重要。
翻译量非常小，没有重复内容，建立术语表和翻译记忆库会增加负担而没有回报。一旦内容是面向客户的、受监管的或重复出现的，情况就完全不同了。

评估清单：依赖机器翻译前需要问的问题

对于复杂文本，有没有比谷歌翻译更好的翻译工具？
是的——对于复杂的、品牌关键的或受监管的文本，收益与其说是来自更换引擎，不如说是来自添加词汇表、翻译记忆库、正式性控制以及针对每种语言表现最佳的引擎进行审核；DeepL、Microsoft Translator、Amazon Translate 和多引擎平台各自适用于不同的情况，Smartling 的Google Translate 替代方案指南对此进行了比较。

我的哪些语言对比较弱？
在每对和每个方向上测试你的真实内容；加州大学洛杉矶分校的研究显示，94% 到 55% 的差异意味着“支持”并不能告诉你“准确”是什么。不同语言的详细信息请参见谷歌翻译的语言覆盖范围。

引擎在翻译之前会查看我的词汇表和风格指南吗？
如果只在事后检查术语，每一批都会重新引入同样的术语错误；询问是否在翻译时插入术语表术语。

如果引擎严重错误地处理了字符串，会发生什么情况？
寻找具有自动回退到其他提供商的幻觉检测功能，以及将低置信度字符串路由给人工而不是发送到生产环境的质量评估功能。

我如何才能知道质量是否在下降？
坚持按语言对和内容类型，按计划进行基于 MQM 的评分；仪表盘趋势线是唯一能在客户发现之前发现性能下降的方法。

文本应该放在哪里？
在将合同、票据或未发布的产品文本粘贴到任何翻译服务之前，请确认数据处理条款。

Smartling是如何防止导致机器翻译质量下降的错误呢？

Smartling 将 Google Translate 视为其 AI Hub 中 20 多个引擎之一，其他引擎还包括 DeepL、Amazon Translate、Microsoft Translator 以及来自 OpenAI、Anthropic 和 Google 的 LLM，并且 Smartling 为每个引擎都添加了免费工具所缺乏的控制功能。术语表插入功能会在翻译时应用已批准的术语，翻译记忆库会重用已审核的句子而不是重新猜测，正式程度则根据风格指南（适用于 Amazon Translate 和 DeepL）或通过 AI 正式程度调整（适用于其他提供商）来设定。Smartling Auto Select 会将每对语言路由到性能最佳的引擎，因此不会强迫一个擅长西班牙语的提供商使用亚美尼亚语。

翻译完成后，语言质量评估代理会根据语法正确性、流畅性、语义连贯性和词汇准确性，将每个字符串标记为高、中或低，动态工作流可以发布高质量字符串，对中等质量字符串进行简单审核，并将低质量字符串发送到后期编辑。当 LLM 作为提供者时，默认启用的幻觉检测会将源和目标与 Vertex AI 嵌入模型进行比较，并在含义发生偏移时回退到备用 MT 配置文件或提出翻译问题。Smartling 的 LQA 代理会自动根据 MQM 模式对 AI、机器翻译、后期编辑或人工翻译进行评分，其公布的检测率约为 90%（识别无错误内容）和 99%（捕获关键错误），并在 LQA 仪表板中按语言对、内容类型和翻译方法显示趋势。实际效果是，“奇怪”的输出不再是客户发现的惊喜，而是工作流程中被计数、加权和路由的事件。