APEX-VW：医疗领域文档级英西译后编辑数据集

arXiv:2608.08059v1 公告类型：新 摘要：机器翻译（MT）输出的译后编辑（PE）通常需要在多个片段中重复相同的词汇和术语纠正，尤其是在专业性强且高度重复的文档中。尽管在自动译后编辑（APE）方面已有大量工作，但大多数现有语料库在句子级别运作，其他则是合成数据，总体而言并非为研究纠正如何在真实计算机辅助翻译（CAT）工作流程中传播而设计。本文介绍了APEX-VW（虚拟病房自动译后编辑实验）语料库，这是一个新的开放英西（EN-ES）数据集，基于近期NHS虚拟病房文档和Trados Studio中的专业PE构建，并具有受控的MT、术语和质量保证设置。该语料库包含七个文档连贯的源文本，总计4.2万词，使用代表不同范式的四个MT系统进行翻译，然后由专业译员进行译后编辑。与WMT APE语料库、eSCAPE、MLQE-PE或LangMark等先前资源不同，该数据集保留了文档顺序和CAT工具上下文，适用于术语规范化、纠正传播和人机回环翻译支持研究。本文描述了语料库设计、数据准备、PE设置和初步语料库统计，并将该资源定位为文档级APE和传播感知辅助工具的基准。

# APEX-VW：医疗领域中的文档级英语-西班牙语译后编辑数据集
来源：https://arxiv.org/html/2608.08059
\(2026\)

###### 摘要。

机器翻译（MT）输出的译后编辑（PE）通常涉及在众多片段中重复相同的词汇和术语修正，尤其是在专业性强且高度重复的文档中。尽管在自动译后编辑（APE）方面已有大量工作，但大多数现有语料库都是句子级别的，另一些则是合成的，总体上并非为研究修正如何在真实的计算机辅助翻译（CAT）工作流程中传播而设计。本文介绍了APEX-VW（Automatic Post-Editing eXperiments on Virtual Wards）语料库，这是一个新的开放英语-西班牙语（EN-ES）数据集，基于近期