大規模言語モデル（LLM）は多言語翻訳タスクにおいて優れた成果を上げているが、意味が深く複雑な中国語の処理では課題に直面している。本稿では、「中国語→中間言語→中国語」の翻訳プロセスに基づく大規模言語モデルを活用した逆翻訳（LLM-BT）フレームワークを提案し、翻訳品質を評価する。研究は5つの主流LLMと3つの従来型翻訳ツールを対象とし、科学的要約、歴史的逆説、文学的隠喩を含む多様なコーパスを構築して、中国語の語彙的および意味的複雑性を反映している。NLPMetrics評価体系を構築し、バイリンガル評価スコア（BLEU）、文字F1測定（CHRF）、翻訳編集率（TER）、意味的類似度（SS）指標を含む。実験結果は、LLMが文学タスクで伝統的なツールを一般的に上回ることを示した。また、翻訳の表面上の流暢さを維持しつつ、隠喩や感情の深みを弱める高次元の行動現象である詩的逆説を明らかにした。さらに、一部のモデルは逐語的な逆翻訳傾向を示し、繰り返しやモデル間テストでデータ駆動の「準自己意識」を示す。中国語評価におけるBLEUの限界を改善するため、Jieba分かち書きと単語頻度の重み付けを組み合わせた改良型BLEUを提案し、語彙の切り分けや用語の一貫性に対する感度を効果的に高めた。補足実験により、一部の意味的側面でLLMの出力は人間の詩翻訳の忠実度に近づいているが、深い隠喩表現は依然不足していることが示された。本稿は伝統的な「忠実度−流暢度」評価を多次元のLLM行動分析に拡張し、説明可能な人工知能の発展を促進する透明なフレームワークを提供し、文化的自然言語処理および多言語LLM整合などの分野に新たな研究方向を示した。

逆翻訳;中国語自然言語処理;大規模言語モデルに基づく逆翻訳（LLM-BT）;詩的逆説;準自己意識;逐語的逆翻訳