1 背景
在写论文的时候，想用AI辅助把中文翻译成英文，但又担心AI翻译后，查AI率全红。
我猜测一个原因是，如果不经过人为指导，让AI根据句子本身做直接翻译，是按中式思维写英语，不符合英语的表达习惯，所以很容易AI率全红。于是在实际写论文期间，我调教了这样一副提示词，从英文母语思维让ai进行翻译。我自己尝试下来，能稳定过AI率检查。(我自己也尝试过，先写中文，ai翻译成英文，改掉那些ai常用的烂大街的词，虽然有点效果，但效果不稳定，经常还是被判AI率高，我都不知道什么原因，明明很多词都已经改了，而且经常改的不三不四的，为了过AI而改。现在发现，可能是根本上的中英文思维方式出了问题，导致表达方式不同，那翻译就也不能用中文思维去翻译英文。)
2 配置与平台
模型(claude 4.7 sonnet)
AI检测平台(pangram)
用法：使用claude-sonnet4.7进行翻译，然后用gemini或者claude再根据《准则》进行核查翻译后的段落，是否完全遵守了准则。并返回意见再一次修改，虽然有点麻烦，但效果还不错。
3 提示词
## 1 找准真主语，用强谓语动词每句话动笔前先问：**谁在对谁做什么动作？**|❌ 中式弱动词|✅ 英文强动词|
|---|---|
|has a decisive impact on|governs / determines / shapes|
|conducted a systematic study of|systematically investigated|
|achieved initial progress|shown initial promise|
|plays a foundational role in|underpins / grounds|---## 2 消灭流水句，建立主次结构一句话只能有一个谓语动词，其余动作降级处理：|遇到这种中文结构|英文替换方案|
|---|---|
|并列多个动作（"并且、从而、同时"）|分词短语 `-ing / -ed` 挂在主句后|
|"通过……实现……"|`via / through / by` + 名词短语|
|"无需……、仅有……"|`without… / with only…`|
|动词从句 which/that|能改成名词短语或分词就改|
|`to capture / to compute / to encode` + 名词|直接名词化：`X modeling / X computation / X encoding`|**例：** QPSAN computes scores, **yielding** naturally bounded outputs **without** explicit scaling, **with** only 5 parameters.---## 3 结论前置，演绎优先中文先铺垫后结论，英文先亮结论再补条件：|❌ 中文顺序|✅ 英文顺序|
|---|---|
|为了解决X问题，我们提出了Y|We propose Y to address X|
|实验表明……，这证明了……|Results show that…, **attributing** the gain to…|
|由于A和B，因此C成立|C holds, as A and B demonstrate|---## 4 精准去冗，删掉四类废话|废话类型|例子|处理方式|
|---|---|---|
|升华收尾套话|"奠定了……的基础地位"|直接删掉|
|元评论句|"值得注意的是"、"不难发现"|直接删掉，让事实说话|
|同义并列|"研究与分析"、"进展与成果"|保留最精准的一个词|
|结论强化句|"这证明了……"、"这表明……"|删掉，或换成 `suggesting / indicating`|---## 5 批评前人用三明治结构指出文献缺陷时，**先肯定，再批评，再点出空白**：> **While** [前人工作有X进展], existing works [具体局限], **leaving** [你的切入点] largely unexplored.- 批评前加：`While / Although / Despite`
- 非数学结论避免用 `prove / always`，改用 `demonstrate / suggest / indicate`
- 批评"多数方案"时，**保留逻辑主语**：`most existing schemes rely on…`，不要写成泛泛的客观陈述---## 6 解压缩名词串中文名词连用超过3个，英文读者就会崩溃，用介词隔开：|❌ 名词连串|✅ 介词解压缩|
|---|---|
|scoring function mathematical properties framework|a theoretical framework **of the mathematical properties of** this scoring function|
|quantum attention mechanism scoring function design|the design of the scoring function **in** quantum attention mechanisms|**口诀：从后往前翻，中间插 `of / for / regarding / detailing`。**---## 7 格式与缩写|规则|做法|
|---|---|
|专有名词首次出现|写全称 + (缩写)，之后只用缩写|
|破折号|用 `---`（em dash），不用单横线|
|query--key 之间|用 en dash `--`，不用连字符|## 8 翻译过程中的补充
这部分为我个人在使用这份准则过程中，经验性的补充。
### 8.1 长句拆分
对于原中文句子信息密度高的，翻译原样翻译，这对于英文母语者，缺乏了语言的节奏，读起来让人疲惫。对于这样的长句，需要拆分。举例：Ablation studies
(Section~\ref{subsec:ablation_studies}) further show that pure random sparse
sampling with 153 pairs achieves the optimal tradeoff between informational
complementarity and noise robustness over a large number of fixed local pairs.原句信息密度过高，一句话同时承载了：研究类型 + 参考章节 + 比较基线 + 结论 + 两个权衡维度。建议拆为两句：Ablation studies (Section~\ref{subsec:ablation_studies}) further confirm
this finding. Compared with dense fixed local pairing, pure random sparse
sampling with 153 pairs strikes the optimal tradeoff between informational
complementarity and noise robustness.## 4 终极四问（每段写完自查）> 1. **主谓清晰吗？** 能否一眼找到核心动词？
> 2. **有流水句吗？** `and` 是否可以改成 `-ing`？
> 3. **废话删了吗？** 有没有同义反复或元评论？
> 4. **语气对吗？** 批评前人是否有 `While`？结论是否过于绝对？
4 效果展示
随机截取论文中的段落展示：(因为每天pangram只有四次免费查询，所以这里抽查了四段)
5 补充说明
提示词的用途只是辅助非英文母语者的论文措辞的修改，但并不是用来编造论文的。我的中文也打磨了非常多版本，AI只是辅助作用。除了直接翻译，还需要校对文本的上下文术语是否一致，并不是一次翻译直接能用的，只是给你一个比较好的翻译起点，并且，翻译过程可能会出现语气的偏差，比如中文写的保守的语气"可能"，但英文翻译成了"肯定"，这都是要自己去进一步核实的。并且，其他平台检测AI我并没有试过，我只在当前这个AI平台使用，是有"过拟合"风险的，请悉知。本文关键是提供一个思路，AI检测并不一定能查出AI写的，翻译成英文避免被定位AI，关键可能是思维范式，不在于用词。
Pangram的推广链接：
https://www.pangram.com/history/7a5ede17-8010-41b8-95af-6ff93d07c1f3?ucc=fAuEJ17dV51
本文部分内容借助 AI 辅助整理，仅供参考。