本研究旨在探討運用生成式語言模型ChatGPT-3.5輔助翻譯英文文化詞（Culture-specific Item，CSI） 所遭遇的挑戰，並針對語言模型誤譯的CSI提出對應校正策略。研究同時採用質性與量性方法，研究者根據德國翻譯功能學派學者萊斯（Katharina Reiss） 的「文本分類理論」（text typology）精選九篇英文文章 ，以及分析ChatGPT-3.5產出的各類CSI中譯結果。研究者強調，藉由ChatGPT-3.5輔助英進中翻譯的使用者於翻譯前必須辨識文本類別，過程中則須掌握源文本語言特徵和檢視文本的溝通功能；此外，本文亦探究訊息類文本、表述類文本及操作類文本中的誤譯文化詞校正策略。研究發現， ChatGPT-3.5翻譯本研究範疇裡之「訊息類文本」中的CSI時出現誤譯頻率最高；在五類文化詞彙中，ChatGPT-3.5轉譯「物質類文化詞」時產生最多項次的誤譯；使用校正策略次數方面，譯後編輯「訊息類文本」中的CSI時，以採用「在地化策略」次數最多，校正「表述類文本」和「操作類文本」裡的CSI時，則皆以「全球化策略」使用頻率最高。整體而言，本研究提供了有關運用大型語言模型（Large Language Model，LLM）轉譯CSI的新穎見解，並針對ChatGPT-3.5在轉譯三大類英文文本的CSI時產生的誤譯情形提出有效實用的校正策略，以提高翻譯效率及實現文化溝通目的。

The article explores the challenges in translating culture-specific items (CSIs) using ChatGPT-3.5, proposing post-editing strategies. Employing qualitative and quantitative methods, the researcher selects nine English articles based on Katharina Reiss’s "text typology" theory . Emphasizing the importance of recognizing text types, analyzing language features, and examining the communicative function of source texts (ST), this study investigates corresponding machine translation post editing (MTPE) strategies to rectify ChatGPT-3.5’s CSI translation errors in informative, expressive, and operative texts. Results indicate higher CSI errors in informative texts, with "material CSI errors" being the most common. Post-editing strategies vary by text type, with "localization strategies" more prevalent for informative texts and "globalization strategies" favored for both operative and expressive texts. Overall, the study contributes valuable insights to translation studies, offering practical MTPE strategies for enhancing efficiency and achieving communicative purposes.