SDL将翻译效率作为其最新主要版本的核心，其主要体现于2017年SDL Trados Studio和GroupShare更新。 Studio 2017发布标志着翻译供应链领域的重大创新，在过去几年里，这一领域可能还没有得到应有的重视。

 

翻译记忆包含数万小时的紧张脑力劳动结果。因此，SDL工程师所面临的挑战是如何使这些宝贵的数据和专业知识更容易被那些每天使用它的人获取：语言学家。进而推出了upLIFT，一个强大的一致性搜索，以新的及令人兴奋的方式解锁无匹配和模糊匹配的翻译输出。

 

SDL着手解决的另一个主要挑战是机器翻译输出的问题。最大的痛点之一就是机器永远不会学习，编辑后所花费的时间永远不会缩短。而AdaptiveMT，为每个从过去的错误中学习的翻译人员个性化的机器翻译解决方案。

 

upLIFT和AdaptiveMT都被集成到SDL Trados Studio 2017和GroupShare发行版中。 SDL的术语管理套件MultiTerm也获得了重大改进，比以往更加用户友好。

 

满足upLIFT：符合术语条件

 

加速翻译输出是关于维持流动的问题。每次翻译者必须离开现有的用户界面并去其他地方寻找信息，焦点有一个小的中断，注意力转移的问题。

 

upLIFT利用翻译记忆库的宝库来提高不匹配和模糊匹配的翻译速度。在upLIFT中的“LIFT”代表“利用翻译记忆库中的智能片段”，以体现这一新的优势。

 

通过upLIFT，SDL采用短语级别匹配的概念，它在AutoSuggest中运行良好，并将其增加。 AutoSuggest需要一定大小的TM构建字典，而upLIFT则不需要。

 

最后，2017年推出了包括中文，日语和韩语的upLIFT。

 

除了短语记忆，SDL研究了如何使模糊匹配与翻译更相关。毕竟，系统应该帮助翻译者自动提高模糊匹配的质量。因此，upLIFT模糊修复被添加到Studio 2017.模糊匹配不再是静态的，但现在可以通过点击回忆短语片段或其他来源，如术语库和机器翻译来修复。

 

AdaptiveMT：从语言学家那学习

 

机器翻译近年来取得了令人印象深刻的进展，并随着神经机器翻译的出现，带来另一个质量飞跃。然而，最新的机器翻译技术还没替代人类翻译。

 

译后编辑处理的常见问题是机器翻译输出不包括由后编辑器做出的改变。随着时间的推移，这导致翻译者沮丧，并在人机交互上有些被动。