1　引言

介绍了大语言模型在社会广泛应用的背景下，语言学界开始探讨其在语言学和应用语言学研究中的应用。大语言模型为语料库翻译研究提供了新的发展机遇，开启了后经典时代研究范式的新阶段。大语言模型降低了语料库建设等技术门槛，研究者通过自然语言提示语引导模型进行文本采集加工和数据分析，提高了研究效率。研究方法从强调搜商进入比拼问商时代，大语言模型成为研究人员的高级助理。

2　现有语料库翻译研究方法的高效替代

探讨了大语言模型在语料库翻译研究中的应用，提出了替代传统方法的新技术。在语料库建设方面，大语言模型通过编写代码实现语料的获取和对齐，如利用GPT-5编写Python代码爬取《中国日报》双语新闻，并用Claude Sonnet 4模型进行句对齐，输出TMX格式建立平行语料库。在语料库分析方面，大语言模型能够进行多因素统计分析，如使用Claude Sonnet 4编写的R语言代码统计译语词汇特征，包括词数、型次比等；还能基于学习的经典论文和提示语，分析翻译共性和译者风格，例如分析许渊冲版《道德经》英译本的翻译共性，以及比较《红楼梦》霍译本和杨译本的译者风格。这些替代技术展示了大语言模型在语料库翻译研究中的潜力和应用前景。

3　语料库翻译研究方法的提质升级

深入探讨了大语言模型在语料库翻译研究方法中的创新应用，指出其在“智能后编辑”时代对语料库翻译研究技术的显著提升作用。在情感分析方面，大语言模型凭借其庞大的数据集、训练参数和迭代次数，展现出更强的语境理解能力，能够处理复杂的语义结构，从而显著提高情感分析的质量。以“被”字句为例，基于Claude Sonnet 4模型对两个汉语语料库的小说部分进行了情感分析比较，揭示了原创汉语与翻译汉语在情感分布和语义场上的差异。

在翻译策略判断方面，大语言模型能够显著提升翻译策略研究的质量。以往研究中，文化负载词、隐喻等的识别准确率较低且漏识率较高，而翻译策略的判断多依赖人工。如今，研究者可编写提示语引导大语言模型进行标注判断，再基于其结果进行修改优化。例如，通过GPT-5模型对《2023年国务院政府工作报告》中英平行语料进行中国文化负载词的提取及其翻译策略分析，以及对《2020年国务院政府工作报告》中的部分平行语料进行隐喻的标注及其翻译策略解析。此外，还利用GPT-5模型对“记者招待会平行语料库PICME”的2017年子库进行口译策略的标注和分析。

在翻译错误判断方面，大语言模型擅长错误分析，可用于学习者口笔译的偏误分析和翻译教学研究。基于Claude Sonnet 4模型对“中国大学生英汉汉英口笔译语料库”中五名学习者的汉英笔译语料进行错误分析，并提出修改建议。

在多语平行语料库生成方面，大语言模型可助力低资源多语种平行语料库的建设。以中、英、汤加语平行语料库的创建为例，通过大语言模型生成“日常技艺及消遣爱好”类别的中、英、汤三语平行句对，为低资源语种的语料库建设提供了一种有效的解决方案。

4　语料库翻译研究方法的应用升级

探讨了大语言模型在语料库翻译研究方法中的应用升级，涵盖双语术语抽取、翻译质量评估、语义相似度计算和双语词典编纂四个领域。在双语术语抽取方面，大语言模型通过深度学习分析平行语料，以语义为核心，提高了抽取的准确性和效率，以《2020年国务院政府工作报告》为例，展示了使用DeepSeek-reasoner进行抽取的过程。在翻译质量评估中，大语言模型能够综合考虑多种因素，对翻译文本进行全面评估，以“TED英汉平行演讲语料库”为例，利用GPT-5进行评估，并参考House的翻译质量评估模式。在语义相似度计算方面，大语言模型通过生成计算语言代码，利用Sentence Transformer模型对平行语料进行语义相似度比较，通过Claude Sonnet 4生成相应的Python代码。在双语词典编纂方面，大语言模型基于“概率语境共选”和“四用原则”，以酒店行业英语为例，展示了从生成常用词表到生成配图的编纂过程，使用GPT-5和通义万相大模型完成相关任务。

5　结语

总结了大语言模型在语料库翻译研究中的应用，指出其在多个方面具有处理能力并能提升研究方法论，但也存在局限性和潜在问题需关注。