AI 翻译古文为什么不如白话文好？低资源文本的局限

把一段文言文交给 AI 翻译，得到的结果常常不如白话文顺：实词译错、句读理解偏、典故张冠李戴。原因可以概括成一句话——文言文是典型的低资源文本，模型见得少、形态又难，两头都吃亏。搞清低资源是什么意思、难点具体在哪，就能知道 AI 翻古文能信到什么程度，什么时候该停下来人工核对，多源对照着读更稳。

低资源文本是什么意思

机器翻译的能力直接来自训练语料的规模。现代翻译模型吃的是海量双语对照文本，中英互译效果好的根本原因，是网上存在天量对齐的平行语料。而文言文对现代文的翻译语料少得多：高质量的古文今译文本总量有限，注释版本之间还常常有分歧，模型能「背」到的对应模式天然不足。业内把这类训练数据稀缺的语言或文体称为低资源，效果与高资源语种拉开差距是普遍现象。也就是说，不是 AI 不努力，是它的教材里这一章本来就薄。

古文难在文本形态本身

除了语料少，文言文自身的特点也在为难模型。一是单字信息密度高，一个「之」字可以作代词、助词、动词，不同语境含义完全不同，选错一次整句就歪。二是省略普遍，主语、宾语经常不出现，「问」可以是谁问、问谁、问什么，全靠上下文补全，而模型最容易在补全环节出错。三是典故和专名密集，不知道典故出处就只剩字面直译。四是古今异义，同一个词在古代和今天的意思可能相反，模型若按现代高频用法翻译，就会悄悄替换掉原意。

AI 翻古文典型的出错样式

对照几种高频错误，读译文时可以快速排雷。第一种是实词错译，把古义的「走」翻成现代的行走，而不是跑；第二种是句读错位，断句一错，主语宾语全乱，译文前后接不上；第三种是补全错误，给省略句擅自加了不存在的对象，译文看似通顺、实则无中生有；第四种是专名误判，把人名、地名、官名当成普通词组拆开翻译。译文里出现明显现代腔的成语式表达时也要警觉，那往往是模型在按概率补齐，而不是在翻译原文。

用有道翻译处理古文的可行做法

日常阅读场景里，AI 翻译仍然有实用价值，关键是配合方法。以有道翻译为例，把古文分段粘贴、逐段翻译，比整篇一次翻更容易定位问题；先让模型给出直译，再让它解释关键实词和典故，两步对照能暴露多数错误。遇到含「之」「其」「以」密集的长句，优先查这类虚词的处理是否合理。市面上也有专门的古文翻译工具和带今译的古籍数据库，重要篇目建议交叉对照，各家译文不一致的地方就是需要人工查注释的地方。具体功能差异以官方最新版本为准。

判断译文可靠度的信号

拿到译文后，三个信号可以帮你快速定级。译文逻辑连贯、虚词处理一致、专名保留原样，基本可以放心用；某几句突然生硬、主语凭空出现，标记出来查原文；整段出现现代成语堆砌或与上下文矛盾的表述，说明模型没读懂，改用人工注释本。翻译古文的目的是读懂，AI 是提高初读效率的工具，关键句子的最终解释权，仍然在权威注本和上下文手里。

延伸阅读：翻译模型的基本结构、训练数据为什么比模型重要、实时翻译能替代同传吗。

读古文译文的四级信号

• 逻辑连贯、虚词一致、专名保留，可放心用
• 某几句突然生硬，标出来回原文查
• 主语凭空出现，多半是补全出错
• 整段现代成语堆砌，改用注释本

最容易被放过的是主语凭空出现，读着通顺反而最难察觉。

AI 翻译古文时哪些句子要特别核对？

• 同一个词在全文里 AI 译得不一样，怎么办？：先别急着改，回原文确认两处语境是否真有差异；若语境相同而译文不同，说明模型在两个义项之间摇摆，以权威注释本的解释为准统一处理。
• 诗歌类文本为什么比散文错得更多？：诗高度依赖意象、对仗和平仄，省略与倒装也更多，可对齐的语料更少。诗歌翻译建议只当参考，欣赏和引用以注本为准。
• 让 AI 先解释字词再翻译，会更准吗？：通常有帮助。先解释关键实词和典故，等于强制它做了一次语境分析，再翻时错误率会下降，但省略句的补全仍需人工确认。