Контекстное разрешение полисемии при машинном переводе: оценка LLM (на материале перуанского варианта испанского языка)
Журнал: Вестник Пермского университета. Российская и зарубежная филология @vestnik-psu-philology
Рубрика: Язык, культура, общество
Статья в выпуске: 3 т.18, 2026 года.
Бесплатный доступ
Статья посвящена проблеме машинного перевода культурно-специфичной лексики национальных вариантов испанского языка с использованием больших языковых моделей (LLM). Анализируется способность LLM к контекстному разрешению полисемии при переводе лексических единиц перуанского варианта испанского языка на русский язык. Актуальность исследования обусловлена недостаточной изученностью влияния культурного смещения LLM на качество перевода полисемантичной лексики, а также разрывом между лексикографически зафиксированными и не зафиксированными значениями в обучающих данных моделей. Цель работы – оценить способность трёх LLM (Gemini 2.5 Pro, Manus, Claude Sonnet 4.5) к переводу полисемантов в контексте и выявить паттерны ошибок. Применена адаптированная четырёхпараметрическая методология Park и Padó с введением параметра Cultural Adequacy для оценки сохранения культурного компонента значения. Материалом послужили три полисеманта в шести аутентичных контекстах, извлеченных из цифровых источников, таких как блоги и социальные сети. Результаты исследования показали, что модели без склонности к галлюцинациям демонстрируют на 24 % более высокое качество перевода. Выявлен значительный разрыв при работе с академически не зафиксированными значениями: Claude Sonnet 4.5 показывает снижение качества на 28 %, тогда как Gemini 2.5 Pro и Manus сохраняют относительную стабильность. На основе полученных данных разработаны практические рекомендации по выбору LLM для задач машинного перевода культурно-маркированной лексики перуанского варианта испанского языка.
Короткий адрес: https://sciup.org/147255372
IDS: 147255372 | УДК: 811.134.2’25:004.8 | DOI: 10.17072/2073-6681-2026-3-56-64
Contextual Polysemy Resolution in Machine Translation: Evaluating LLMs on the Peruvian Variety of Spanish
. The article addresses a topical issue in machine translation of culture-specific vocabulary from national variants of Spanish using large language models (LLMs). The main focus is on the ability of LLMs to resolve polysemy in context when translating lexical units of the Peruvian variant of Spanish into Russian. The research problem stems from insufficient study and understanding of how cultural bias in LLMs affects translation quality of polysemous vocabulary, as well as from the gap between lexicographically recorded and unrecorded meanings in model training data. The study aims to evaluate the capability of three LLMs (Gemini 2.5 Pro, Manus, Claude Sonnet 4.5) to translate polysemous lexemes in context and identify error patterns. An adapted four-parameter methodology by Park and Padó was applied, introducing the Cultural Adequacy parameter to assess preservation of cultural components of meaning. The material comprised three polysemous lexemes in six authentic contexts extracted from digital sources such as blogs and social media. Results demonstrate that models less prone to hallucinations achieve 24 % higher translation quality. A significant gap was identified in handling academically unrecorded meanings: Claude Sonnet 4.5 shows a 28 % quality decline, whereas Gemini 2.5 Pro and Manus maintain relative stability. Based on the findings, practical recommendations were developed for selecting LLMs for machine translation tasks involving culturally marked vocabulary of the Peruvian national variety of Spanish.
