1. 引言
自20世纪八九十年代计算机辅助翻译技术(Computer-Assisted Translation, CAT)兴起以来，翻译实践逐步进入以翻译记忆库(Translation Memory, TM)与机器翻译(Machine Translation, MT)为支撑的技术辅助阶段。受限于早期规则型机器翻译(Rule-Based Machine Translation, RBMT)与统计型机器翻译(Statistical Machine Translation, SMT)的输出质量不佳，译后编辑(Post-Editing, PE)修订成本较高，机器翻译(Machine Translation, MT)在实践中主要承担辅助功能，尚难实质性替代人工翻译[1]。这一局面在2016年前后随着神经机器翻译(Neural Machine Translation, NMT)的大规模应用而发生变化。伴随计算能力、语料规模与模型结构的持续优化，MT质量显著提升，使部分翻译任务开始呈现出较高程度的自动化[2]。2022年以后，以大语言模型(Large Language Models, LLM)为代表的生成式人工智能(Generative Artificial Intelligence, GenAI)技术进入了翻译流程，推动翻译实践向以PE为核心的人机协同模式转型。在此过程中，机器输出虽然仍普遍存在一致性不足与语义理解偏差等问题，但翻译效率上的优势日益凸显，使得译者的工作内容、能力结构与职业定位发生转变。在GenAI深度介入翻译生产的背景下，技术进步不仅改变了翻译效率与流程结构，更引发了关于译者在语言决策、规范裁定与责任承担方面的根本性问题。
从翻译研究的发展脉络来看，技术始终是译者角色的形成与演变的重要变量。在传统翻译时代，译者被视为文本意义的主要生成者，其创造性与主体性处于核心地位；随着CAT工具的普及，译者逐渐转变为“技术使用者”，工作重心更多指向效率提升、术语一致性与流程规范化。近年来，随着NMT和LLM的广泛应用，翻译实践进一步向以人机协同模式演进，译者的工作内容也由单一的语言转换扩展至机器译文评估、质量控制、提示词设计以及流程管理等多重任务[3] [4]。
围绕人机协同语境下译者角色转变问题，国内外学界已从认知翻译学视角的实验研究[1]、人机交互理论[5]，以及语言服务行业研究[6]以及等方面展开探讨。相关研究为理解译者在协同翻译中的功能定位提供了重要启示。然而，现有研究在整体上仍呈现出一定的分散性，不同技术阶段下的研究成果尚未形成清晰的纵向整合框架，对译者角色转变的阶段性特征、历史演进逻辑及本土翻译实践下的系统总结仍显不足；随着LLM在翻译实践中的应用[19] [20]，译者在语言决策链条中的责任边界与裁量权问题逐渐凸显[18]，但相关研究仍多停留于能力或主体性层面的讨论，对译者作为“最终决策主体”的角色重构缺乏系统梳理。
本文拟对十余年来国内外关于译者角色转变的研究进行系统综述。通过阶段性梳理研究问题的演进路径，分析不同技术条件下译者角色的功能定位与理论表述。文章重点关注三个核心问题：PE的认知本质如何确立译者的专业地位；人机协同模式下译者能力体系如何被重新建构；以及在LLM环境下译者如何由技术协助者转向对翻译结果承担规范性背书与风险裁定责任的决策主体。通过上述分析，本文旨在为人机协作翻译理论的深化、翻译职业规范的重申以及翻译人才培养模式的调整提供理论参考。
2. 文献分析
本研究采用文献综述法，遵循PRISMA (Preferred Reporting Items for Systematic Reviews and Meta-Analyses)原则进行文献筛选与分析。检索时间范围为2006~2025年，起始时间设定为2006年，主要基于O’Brien在该年发表的开创性研究首次从实证层面系统揭示了译后编辑(PE)的认知复杂性，标志着PE研究从效率导向转向认知本质探讨的关键转折点[1]。检索数据库包括Web of Science、Google Scholar、中国知网(CNKI)、中文社会科学引文索引(CSSCI)等国内外权威学术数据库。检索词为“译后编辑/post-editing”、“译者角色/translator role”、“人机协同/human-machine collaboration”、“译者主体性/translator subjectivity”、“译者能动性/translator agency”等术语组合。经关联度、标题与摘要、质量评估筛选后纳入本文的核心文献共20篇(含跨学科理论5篇)。
文献纳入标准：1) 发表于核心期刊的学术论文；2) 聚焦PE、译者能力或角色转变；3) 具有理论创新或实证价值。排除标准：1) 非正式出版物；2) 纯技术评测；3) 关联度较低的文献等。在保证代表性的前提下追求合理的文献覆盖。纳入标准优先考虑：1) 开创性研究；2) 高引用率文献；3) 跨学科理论经典；4) 最新研究。虽未穷尽所有相关文献，但所选文献在各阶段具有典型性与影响力，以支撑本研究对译者角色转变趋势的系统分析。
阶段划分依据翻译技术发展的关键节点与研究问题。起步期对应SMT时代，以2006年O’Brien从认知科学角度系统揭示PE的复杂性为标志性研究，聚焦“PE是什么”的本体论；转型期对应NMT技术的兴起与普及，以2016年Google发布NMT系统为转折点，研究转向“译者需要什么能力”的能力体系；重构期对应LLM (2022年11月发布ChatGPT)在翻译领域的应用，研究聚焦“LLM带来什么新挑战”，涉及决策层面的价值判断与风险治理。这一划分反映了技术演进的客观规律，体现了研究问题从本体论到能力论再到责任论的内在逻辑递进，见表1。
Table 1. Phase division of translator roles under different technologies and research paradigms
表1. 不同技术与研究范式下译者角色的阶段划分
2.1. 起步期：PE的认知本质与专业地位
在统计机器翻译(SMT)逐步进入翻译流程的背景下，早期相关研究虽然以译后编辑(PE)为直接研究对象，其关注的表面问题是“PE是什么”，但背后实质指向的是：在MT介入的翻译流程中，译者究竟被定位为怎样的角色？是否是仅对机器输出进行机械修订的技术性辅助者？这一角色定位问题，直接影响到人机协同语境下译者的专业地位。
早期研究最早源于对机器翻译(MT)可用性及人类劳动成本的关注，译者主要被界定为对机器译文进行修订的辅助性纠错者，其角色功能相对有限。这一“低认知负荷假设”在随后的实证研究中遭遇系统性挑战。在效率与经济性逻辑主导下，PE被普遍假定为认知负荷显著低于人工翻译的操作性任务，相应地，译者角色也被简化为执行性、纠错性的技术岗位，其专业判断空间受到明显压缩。这一阶段形成了将译者视为“低阶机器后处理者”的初始角色想象。
2006年，O’Brien通过键盘记录程序Translog对PE过程中的停顿行为进行分析，发现PE过程中存在大量停顿，揭示了PE涉及复杂而持续的心理加工活动[1]。这一发现的意义并不止于重估PE的认知负荷，更在于动摇了将译者界定为“低认知辅助劳动者”的角色预设。研究表明，在PE过程中，译者始终需要进行语境监控、意义评估与策略性决策，其角色并未因技术介入而被简化为被动执行者。O’Brien的研究首次以实证方式指出：即便在机器译文已生成的前提下，译者仍然是翻译决策的核心承担者。这一结论为译者在PE流程中的专业地位提供了认知翻译学层面的论证基础，也为后续关于译者角色合法性的讨论奠定了起点。
2012年，O’Brien进一步从人机交互角度重新界定翻译活动，将译者明确描述为与技术系统协同完成翻译任务的能动参与者，强调译者的能动性[5]。译者不再是技术的被动使用者，而是通过评估MT输出、监控语料质量、调控工作流程与做出关键决策等方式，与系统共同完成翻译任务。随着MT技术的发展，译者将更多地参与质量评估与决策控制，将由单一的语言转换者拓展为多维度的人机协同参与者，但其决策权仍主要依托于对显性错误的识别与修正。
在国内研究中，学者们多从应用与实践层面关注技术介入对翻译活动的影响，而对译者角色的讨论通常以内嵌方式呈现。2012年，熊兵通过对国内应用翻译研究视角的系统梳理，从宏观层面揭示了翻译研究向跨学科与技术化范式嬗变的总体趋势[7]，为在向技术转向的翻译研究中重新审视译者角色提供了学科层面的理论背景。2013年李梅和朱锡明运用语料分析方法，对机器翻译译后编辑(machine translation post editing, MTPE)中的错误进行系统分类与归纳，并在生成语法框架下对相关错误类型进行形式化描述，尝试为PE软件的研发与机译质量提升提供支持。其研究基于汽车专业十万句对英汉翻译平行语料库基础上对英汉MT的译文分析，对有错句中可能出现的MT错误初步建立了词法与句法两大类及十余个分类的错误类型[8]。研究表明，PE过程高度依赖译者对语言规则与语境信息的专业判断，反映了译者并非简单执行纠错任务的技术人员。
2015年崔启亮和李闻则以科技文本MT为研究对象，从PE中的错误类型分析入手，系统梳理了术语、形式、格式、冗余、词性与结构等11种典型错误类型，并结合实例分析PE工作的操作特征[9]。研究指出，PE不仅要求译者具备发现显性错误的能力，还需要其在整体结构与逻辑层面作出判断与取舍，但相关研究尚未将其上升为系统的角色理论讨论。
起步期的相关研究的核心贡献在于通过实证手段重新界定了PE的认知本质，否定了将译者界定为低阶技术辅助者的工具化认知。即便在MT主导初译的情境下，译者仍然承担着不可替代的认知判断与决策责任。这一认知本质的重新确认，为译者在技术环境中的专业主体地位奠定了认知科学与语言学基础，也为后续能力模型的构建与职业角色的重构提供了前提性依据。这一阶段的研究主要聚焦于“是什么”的本体论证明，对于“需要什么能力”以及“如何培养”等实践性问题尚未充分展开。
2.2. 转型期：译者能力体系构建与拓展
当PE的认知复杂性得到确认后，研究重心自然转向更具操作性的问题：在人机协同模式下，译者究竟需要具备哪些能力？这些能力与传统翻译能力有何差异？如何通过教育与培训实现能力转型？这一阶段的研究转向“译者应该具备什么能力”的能力建构与职业发展研究。本阶段的研究普遍建立在“NMT + 人工PE”的相对稳定分工假设之上，即假定机器负责初译、译者负责评估与修订。在这一框架内，译者的专业优势被理解为更高效、更准确地完成修订工作的能力组合。
2.2.1. 译者能力的重新界定
2013年，Pym指出，SMT与TM系统的结合正在改变翻译行业的工作方式，并对译者能力结构提出新的要求[3]。其提出“针对MT的风险管理能力”这一概念，在技术辅助环境下，译者的核心能力已从“生成最佳译文”转向“识别并管理翻译风险”，具体包括对机器译文质量的快速评估、对潜在错误的预判以及对修订成本的权衡。这标志着译者角色由“文本生产者”向“译文评估者与决策者”转变，翻译实践也由以“源文本–目标文本”为中心的线性模式，转向以多种语言资源与技术工具协同运作的信息管理流程。
为考察这一转变的实践效果，2016年，Koponen通过系统文献综述考察了MTPE的效率与投入成本。在特定条件下，PE可使产出率显著提升74%，且质量在准确性和清晰度上与人工翻译相当甚至更优。但这种效率提升并非普适，而是受到文本复杂度、译者经验及MT质量的共同制约。Koponen尤其指出，在缺乏源文本参照的单语PE情境下，译文的语义准确性更易受到限制[2]。该研究揭示了一个关键矛盾，PE虽可能省时间，但对译者的要求更高，能力门槛并未降低，而是发生了结构性转变。
2.2.2. 从语言技能到流程与技术素养
在国内研究中，2015年，冯全功和张慧玉从翻译人才培养视角切入，基于语言服务产业的发展现状指出，PE能力并非单一技能，而是编辑能力与翻译能力的综合体现，具有独特的侧重点[10]。其能力体系不仅涵盖了双语、主题和认知等基础方面，还包含了MT知识、术语管理、基本编程及译前编辑等特殊技术能力。此外，研究还特别强调了一般编辑能力(如语境敏感度、排版设计及编辑伦理)在PE过程中的重要性，提出译后编辑者的培养不应仅停留于语言能力训练，而需同步强化技术理解能力与项目流程意识[10]。这标志着PE能力从语言技能向复合职业能力的扩展。
2021年，王华树和陈涅奥对中国语言服务企业的调研数据显示，在218家受访企业中，196家已引入MT技术，但仅有约1/3的企业使用MTPE模式处理出版级文本。MT虽已广泛应用，但受译文质量限制，PE尚未在行业中全面普及。在此条件下，译者更多承担对机器译文进行质量评估与修订的任务，并需要在翻译流程中协调技术工具与人工判断[6]，体现出人机协同背景下由单一语言处理向多维协同参与的拓展。
2022年，王华树和刘世界从能力建构出发，指出人工智能时代PE能力已成为译者职业能力体系中的关键组成部分。其构建的PE能力模型显示，译者除语言能力外，还需具备工具使用、流程管理、服务意识与策略调控等多方面能力[4]。
2024年，姚斌基于联合国文件英汉翻译实践，从专门术语、搭配、背景知识、语义理解、句式结构、中文表达和文本风格等方面，系统分析了代表性NMT引擎输出中存在的问题，并归纳了PE过程中需要重点干预的环节[11]。提出人类译者应与机翻系统保持“竞合”关系，其核心不是人类超过机器生成内容，而是通过对规范性表达、术语一致性与文本风格的系统控制，弥补MT在制度语境理解与流程化质量管理方面的不足。在NMT技术背景下，译者能力已由单一语言转换技能，拓展为融合语言判断、流程意识与技术理解的复合型职业能力。
转型期研究的核心贡献在于系统构建了人机协同模式下的译者能力体系。相比起步期确立的“PE是专业活动”的本体论认知，转型期研究实现了从本体论到能力论的转向，将译者在PE中所需的能力具体化为可描述、可训练、可评估的能力要素。这一能力体系的核心特征在于除传统语言能力外，译者还需具备技术能力(MT知识、工具使用)、流程管理能力(项目协调、成本控制)与风险意识(质量评估、错误预判)等非语言能力。
2.3. 重构期：译者作为决策主体的重构
2022年以ChatGPT为代表的大语言模型(LLM)进入翻译领域，标志着译者所面对的问题性质发生了根本性变化。与转型期所依托的NMT技术相比，LLM在表层流畅度、语篇连贯性乃至语义准确性上均有质的飞跃，这使得转型期研究所依据的“机器负责初译、译者负责修订显性错误”的分工假设开始不适用。当机器能够生成表面上近乎完美的译文时，译者如何具有不可替代性？译者与算法之间的责任边界如何划定？这一问题的实质在于，译者在翻译流程中是否占据语言决策的最终裁量位置。在LLM深度介入翻译生产的条件下，译者角色正由技术协助层面，转向对语言决策结果具有规范性背书与风险裁定权的职业决策层面。
随着生成式人工智能(Generative Artificial Intelligence, GenAI)的迅速发展，LLM深度介入翻译行业，译者所面对的问题性质发生了根本性变化。在NMT时代，MT的主要问题表现为显性错误(如术语误译、句法不通)，译者的主要工作是纠错；而在LLM时代，机器输出在表层流畅度上已接近甚至超越人类，但可能产生形式合理但功能不当的隐性偏差。这一变化意味着PE的核心任务不再是语言层面的修补，而是对隐性偏差是否被接受、如何被修正所作出的判断性决策。译者的工作重心从语言修正转向决策判断，其角色不仅是工作内容的变化，更是职业责任与风险分配机制的结构性重构。
2.3.1. 高规范文本中的译者判断：案例分析
以联合国文件翻译为例，LLM在表达流畅度与语篇连贯性方面明显优于传统NMT系统，但在政策语义边界、制度性表达及话语立场处理上更易产生形式合理但功能不当的偏移。这类偏移往往并不表现为显性错误，而是隐藏于语用选择与价值指向之中，对文本的规范性与权威性构成潜在风险。译者在此的角色不是纠正NMT的语法低级错误，而是确保译文在联合国复杂的制度语境下具备法律效力。
为具体呈现不同技术范式下译者工作的实质差异，本文以《联合国事实调查宣言》中英文版本[12] [13]为测试文本，分别使用有道翻译和豆包进行英中翻译，并与官方译文对比分析。选取有道翻译与豆包作为对比工具，主要基于其在当前中文翻译实践中分别代表了以神经机器翻译(NMT)为核心的传统MT系统与以大语言模型(LLM)为基础的生成式翻译系统，在用户覆盖面与应用场景上具有一定的代表性。以下为选取等三个典型案例：
【案例1：法律义务履行的语义分寸与中立性】
ST (source text): The competent organs of the United Nations should endeavour to have full knowledge of all relevant facts.
有道翻译(NMT系统)：联合国各主管机构应当努力全面了解所有相关情况。
豆包(LLM系统)：联合国主管机关应尽力充分掌握全部相关事实。
官方译法：联合国主管机构应当致力于充分了解一切有关的事实。
译者工作：NMT时代集中于纠正显性的语义错误；LLM时代转向语域适配性判断与制度性话语的规范把控。译者需判断“should endeavour to”在宣言类文件中的分寸。
【案例2：术语的稳定性与权威性】
ST: (source text): The report should be limited to a presentation of findings of a factual nature.
有道翻译(NMT系统)：该报告应仅限于呈现具有事实性质的调查结果。
豆包(LLM系统)：本报告应仅陈述事实性调查结果。
官方译法：此句在官方译文中未单独翻译，而是通篇统一使用“事实调查”这一标准术语，以保持术语一致性。
译者工作：NMT时代需大量纠正术语不一致；LLM时代主要进行权威性核验，查证确认规范表达，保证权威性和稳定性。
【案例3：习惯性搭配的去语境化】
ST (source text): [The General Assembly] urges that all efforts be made so that the Declaration becomes generally known and fully implemented.
有道翻译(NMT系统)：强烈呼吁各方共同努力，以使该宣言得到广泛知晓并得到全面执行。
豆包(LLM系统)：敦促尽一切努力使本《宣言》得到广泛认知和全面执行。
官方译法：促请尽力使《宣言》广为周知和充分实施。
译者工作：首先需识别出该句英文原文属于联合国决议案的执行条款，其省略主语的特殊句法(直接以Urges开头)指示了其高度正式的政策性色彩。NMT时代侧重于解决词汇层面的语法错误和显性的语义补足(补足主语和纠正生硬的字面意思)。LLM时代则侧重于语域一致性、外交话语的风格化调控以及对公文惯例的深度审视。在翻译时，译者要补足全文语境，使用如“促请”、“广为周知”等外交语域的词汇。这种对特定公文体例的感知与词语温度的敏锐度，是目前LLM靠算法难以模拟的专业能动性。
2.3.2. 职业责任、风险治理与伦理重构
上述案例揭示的核心问题在于：相较于NMT时代以操作效率为核心的PE，LLM时代下的译者更频繁地介入语义边界、话语立场与价值判断。其角色变化不仅是能力层级的上移，更意味着责任与风险的再分配。译者已不再只是对机器输出进行技术性修订的执行者，而是逐渐成为对算法生成结果具有裁量权与背书责任的决策主体，其角色转变由此从技术协助层面进入语言决策层面。
这一转变可从以下三个方面进行观察。从职业分工角度来看，Abbott所提出的专业体系理论指出，专业角色的核心并非具体技能，而在于对不确定情境的判断权与责任归属[14]。将这一理论应用于翻译研究可以发现：在LLM应用场景下，译者对形式合理但功能不当译文的识别与修正，体现了其在专业分工体系中对高风险、不确定判断领域的专业话语权。当算法系统只能生成语言学意义上看似准确的译文时，译者所主导的恰是规范性、价值性与制度适配性等无法被算法判断的领域，这一判断权构成其作为高阶决策主体的核心依据。
从风险治理角度来看，Power与Hood等关于风险社会的研究表明，当决策过程高度技术化时，风险并不会消失，而是通过制度安排被重新分配[15] [16]。在人机协同翻译流程中，算法生成的语言决策一旦进入正式文本体系，其潜在后果往往仍需由人类译者承担规范与伦理责任。例如，在联合国文件翻译中，即便译文由LLM生成，一旦出现隐性的话语立场偏移，其法律与外交后果仍由译者及其所属机构承担，这意味着译者处于翻译决策链条的最终裁量位置。
从算法伦理角度出发，Mittelstadt等学者指出，算法系统在抽象化与规模化运作中不可避免地遮蔽价值判断过程，这进一步强化了人类专业人员在结果审校与责任承担中的不可替代性[17]。Moorkens亦强调，在MT与PE实践中，伦理责任并未因自动化而弱化，反而更加集中于译者的判断环节[18]。译者并非算法决策的“执行终端”，而是对语言决策后果承担规范性责任的高阶判断者。
2.3.3. 译者角色转变的条件性与情境性
在LLM语境下，译者是否能够真正发挥决策功能，高度依赖具体文本类型、任务目标与制度环境。在技术深度介入翻译生产的条件下，译者在PE中的核心角色不仅是质量控制者，而且是对机器输出进行规范性、价值性与情境适配性审查的专业决策主体。译者角色已由对机器输出进行技术性修订的执行者，转向对语言决策结果承担规范性背书与价值裁定责任的核心决策主体。
在宏观的理论层面，2025年陈伟和潘佳琪指出，人机协作已演变为数智时代的常态，但译者主体性的重塑不应陷入人机对立的二元框架[19]。人工智能在本质上仍缺乏人类特有的审辩式思维，难以在复杂论证的基础上作出具备合逻辑性与解释力的价值选择，这决定了译者在翻译审美与规范判断中的核心地位。
这为重构译者角色提供了深刻的启示：在译者职业生存空间受技术挤压的宏观背景下，译者主体性作为一种核心特性不仅未被削弱，反而因其在处理偶然性、主观性及复杂情境问题时的独特优势而得到了显著增强。这为翻译教育在技术时代的价值重申提供了理论依据，反映了译者的批判性思维与审美判断在人机协同中的核心作用，将PE从技术修正补偿提升至培养创新精神与思辨能力的文科教育高度，使译者角色实现从“技术补漏者”向“高阶决策者”的飞跃。
在教学与实践情境中，2025年吕倩兮和姜兆坤的实证研究为人机协同模式下译者能动性的激发提供了特定条件下的经验支持[20]。该研究以文学翻译PE任务为对象，发现相较于GenAI的单一反馈，GenAI与教师协同提供的反馈机制能显著提升学习者的情感、认知与行为投入。
这一发现主要成立于教学情境与文学翻译任务之中，其所揭示的并非“技术本身促进创造性”，而是在人类专业判断介入的前提下，技术反馈如何通过人机交互的“行动支架”激活译者的元认知监控。在涉及修辞与审美再现的复杂任务中，该协同模式一定程度上弥补了AI在文化敏感性与情境意识方面的不足，但仍依赖于人类教师对反馈方向与评价标准的引导。
该研究说明，在特定教学与训练条件下，PE可以成为激活译者反思性判断与审美决策的契机，而并不能简单理解为所有人机协同翻译场景中的普遍规律。这一限定也从侧面印证了译者在协同流程中所承担的判断责任与调控功能，进一步反映了其角色转变的条件性情境依赖性。
重构期研究揭示了LLM时代译者角色转变的实质，并非简单的能力层级上移，而是职业责任与风险分配机制的重构。译者的不可替代性体现在对隐性偏差的识别、对规范适配性的把控以及责任承担上。这一转变将译者角色从技术协助层面推向职业规范与风险治理层面，也对翻译教育、职业伦理与行业监管提出了新的要求。现有研究多集中于理论探讨与个案分析，对不同领域、不同文本类型下译者责任边界的实证研究仍显不足，这为未来研究留下了广阔空间。
3. 结论
本文以人机协同翻译的发展为背景，对近十余年来国内外关于译者角色转变的相关研究进行了系统梳理与评述。通过聚焦三个核心问题：PE是什么(认知本质)、译者需要什么能力(能力重构)、LLM带来什么新挑战(责任与风险再分配)，揭示了人机翻译协同时代译者角色演进的三个递进阶段与内在逻辑。
本研究发现，译者角色的定位在不同技术阶段中经历了由相对执行性劳动向高阶决策选择的系统性演变。在起步期(SMT时代)，相关研究通过对译后编辑(PE)认知负荷与加工过程的实证分析，揭示了PE并非低阶纠错活动，而是一种涉及持续语义评估与策略决策的复杂认知行为，由此确立了译者在机器介入条件下仍承担核心判断责任的专业地位；在转型期(NMT时代)，随着MT质量的显著提升，研究重心由“译者是否仍具专业性”转向“译者需要何种能力”，译者角色被重新界定为集语言判断、质量评估、流程协调与风险管理于一体的复合型人机协同参与者，其能力结构由单一语言技能扩展为融合技术理解与流程意识的职业能力体系；进入重构期(LLM时代)，当机器输出在表层流畅度与连贯性上已接近人工译文时，译者的不可替代性不再主要体现为修正显性错误，而是体现在对隐性偏差的识别、规范性表达的裁定以及翻译后果责任的承担上，其角色由协同执行者进一步确立为语言决策链条中的最终裁量主体。整体而言，这一阶段性演进表明，技术进步并未削弱译者的专业价值，而是持续将其功能重心推向更高层级的语言决策。
现有研究已逐渐突破“技术替代人类”的线性叙事，转而强调译者在复杂翻译生态中的能动性与不可替代性。大量实证研究表明，无论是在高规范文本、文化负载文本，还是在教学与训练情境中，MT的有效应用均高度依赖人类译者在PE阶段所发挥的语义判断、规范裁定与流程调控能力。人机协同并未消解译者主体性，而是在新的技术条件下转向在技术、规范与语境约束下进行策略性处理与专业裁量的协同参与者，并在特定情境中承担更高层级的决策责任。
现有研究仍存在若干不足。不同理论视角之间尚缺乏系统整合，对译者角色转变的整体框架与动态机制关注不足；相关研究多聚焦于特定技术阶段或具体应用场景，对译者角色从SMT、NMT到LLM环境的历史纵向演变梳理仍显薄弱；国内外研究在问题意识、研究路径与语境关切方面差异明显，但围绕译者角色转型的系统性比较研究仍较为匮乏。此外，随着GenAI技术的快速迭代，译者所需能力结构与责任边界仍在持续调整，既有研究结论亟需在新技术条件下进一步检验与修正。
未来研究可从以下几个方面深化：一是将翻译史与技术史结合，对译者角色转变进行更长时段的纵向考察；二是围绕对人机协同翻译中“角色–能力–技术–责任”关系的系统建模，推动不同路径的理论整合；三是拓展跨语境、跨文本类型与跨文化的实证研究，以更全面地揭示译者角色转型的条件性与差异性；四是将译者角色研究与翻译职业规范、人才培养模式及翻译伦理问题相结合，更好地回应人工智能时代翻译实践与教育面临的现实挑战。
综上所述，人机协同翻译时代并非译者角色弱化的终点，而是其能力结构重组、专业边界调整与价值功能重申的重要契机。对译者角色转变的持续研究，不仅有助于深化对翻译技术影响机制的理解，也将为人机协作翻译理论的发展及翻译行业的可持续发展提供重要的理论支持。
致 谢
感谢审稿人提供的宝贵修改意见。感谢家人朋友的理解支持。