在近期的一次技术分享会上，亚马逊云科技解决方案开发团队的专家胡一凯，深入探讨了智能文档翻译领域的实践探索，特别是在确保术语精准翻译、维持企业文风一致性以及解决PDF和Word文档翻译中的技术难题等方面的经验。
胡一凯首先提到，尽管机器翻译技术已有50多年的研究历史，但在实际应用中，尤其是面对大型医疗器械公司的专业文档翻译需求时，仍面临诸多挑战。例如，一家跨国企业需要将200页的核磁共振说明书从英文译成中文，尽管他们拥有内部术语库，但外包给专业翻译机构的结果仍未能达到90%的术语准确率要求。
针对这一挑战，亚马逊云科技团队首先尝试了最直接的方法，即将术语直接嵌入翻译模型的上下文中。这种方法在处理少量术语时效果尚可，但当术语数量激增至上千条时，模型的术语遵循能力和PDF格式的渲染效果均受到影响。为了克服这一限制，团队引入了AC自动机算法，通过内存中的键值匹配实现快速检索，有效解决了术语数量和大模型上下文长度的限制。
然而，随着数据量进一步增加，AC自动机在内存消耗和搜索效率上的不足逐渐显现，特别是无法处理术语中的特殊符号等复杂情况。为此，亚马逊云科技团队创新性地使用了OpenSearch Percolator缓存技术。这一技术以术语为索引，能够快速检索出与输入文本匹配的术语，不仅解决了大规模术语库的匹配问题，还支持模糊匹配，极大地提升了翻译效率和准确性。
在解决术语翻译准确性的同时，如何遵循企业内部文风也是一大难题。胡一凯介绍，团队尝试了微调大模型、训练罗拉（LORA）以及在提示词中明确文风要求等多种方法，但都存在成本较高或效果有限的问题。最终，他们采用了一种结合RAG（检索增强生成）和FuseShot的方案，通过构建Web知识库，将客户的历史翻译文档和内部术语库进行向量化处理，实现了翻译文风的一致性。
在工程化方面，胡一凯分享了处理PDF和Word文档翻译时的技术挑战和解决方案。由于PDF文档的复杂格式和不同语言的信息浓度差异，团队在渲染翻译后的PDF时遇到了空间折叠、格式错乱等问题。通过引入高度限制、动态递归算法以及双指针算法等技术手段，他们成功解决了这些问题，确保了翻译后的文档格式正确、易于阅读。
相比之下，Word文档的翻译过程则相对简单。由于Word文档底层采用XML结构，团队只需将文档解析为XML文件，进行翻译后再渲染回Word格式即可。
为了让客户能够便捷地使用这些技术成果，亚马逊云科技团队开发了一个前端系统。用户可以通过该系统上传术语库和待翻译文档，系统会在后台自动处理并生成翻译结果。整个系统基于Amazon CDK构建，可在用户的云环境中一键部署，大大缩短了部署时间。
胡一凯还提到了专业翻译领域的飞轮效应。他指出，通过将内部语料、文风历史语料整理成数据资产，并使用翻译工具进行翻译，再将翻译结果反馈给业务方进行人工标注和丰富，可以形成一个正向循环，不断积累和优化内部语料资产。这些资产不仅可以用于智能文档翻译，还可以拓展应用到智能写作审核、AI校对等新的领域。
在分享的最后，胡一凯强调，亚马逊云科技将继续投入AI算力、云基础设施等领域，通过领先的技术实力和丰富的行业经验，助力企业在AI时代实现创新驱动和全球化发展。
