GPT-5.2によって生成されるスペイン語から中国語へのジャーナリズム翻訳の品質に、プロンプト言語と翻訳理論駆動のプロンプト設計がどのように影響するかを検証した研究。

  • 4つのプロンプトタイプ、3つのプロンプト言語、4つのエル・パイス紙の社説を用いて48の条件で実験を実施。
  • 自動化された指標（BLEUおよびBERTScore-F1）により、ベースラインプロンプトが最も高い性能を示す条件であると特定された。
  • 人間の評価では、簡潔指向のプロンプトがMQMスコア8.66で最高位となり、ベースラインの7.84を上回った。
  • 翻訳理論駆動のプロンプトは不自然な文体の誤りを選択的に減少させたが、非慣用的な文体の誤りは条件全体を通じて持続した。
  • 両方の評価パラダイムにおいて、プロンプト言語は翻訳品質に無視できる影響しか与えなかった。

これらの結果は、翻訳理論駆動のプロンプトがジャーナリズム翻訳の専門家評価において測定可能な品質向上をもたらす可能性があることを示している。