ترجمة الذكاء الاصطناعي الجودة المعيار المرجعي

لأن مجموعة اللغات تتزايد باستمرار. فكل لغة نضيفها إلى المنتج تنضم إلى التشغيل الأسبوعي للمعيار المرجعي وتدخل المؤشر فور تجاوزها حد النشر، ونادراً ما تبدأ اللغة الجديدة من المستوى الذي بلغه زوج نعمل على ضبطه منذ عام. والرقم الرئيسي هو الوسيط عبر جميع الأزواج المنشورة في الربع، لذا فإن دفعة من الأزواج الجديدة تخفضه حتى لو حافظت جميع الأزواج الراسخة على مستواها أو تحسنت. ثم ترتفع الأزواج الجديدة مع ضبطها، فيتعافى المؤشر. ولمتابعة التقدم في لغة بعينها، افتح صفحة زوجها أدناه: فاتجاهها لا يتأثر بأي شيء آخر.

يرسل كل اختبار نصاً مرجعياً (الدردشة) أو يشغّل ملفاً صوتياً مرجعياً (الصوت) عبر خط المعالجة المباشر نفسه الذي يستخدمه المنتج، ثم يقيّم حَكَم قائم على LLM المخرجات من 0 إلى 100 مقابل ترجمة مرجعية معتمدة. وتندرج الدرجات ضمن نطاقات: 90 فأكثر ممتاز، 70–89 جيد، 50–69 مقبول، وأقل من 50 ضعيف. وقد يتفاوت التشغيل الواحد بعشرات النقاط لأن التعرف على الكلام والحَكَم كليهما غير مستقرين تماماً، لذا احكم على الزوج بوسيطه ونطاقه خلال شهر، لا برقم واحد.

الترجمة الصوتية درجة واحدة من البداية إلى النهاية: التعرف على الكلام مع الترجمة. أما الدردشة فهي ترجمة النص المكتوب وحده. تظهر أخطاء التعرف في درجة الصوت، ولذلك تكون أزواج الترجمة الصوتية أدنى في المتوسط ولها حد نشر أدنى — 45 مقابل 60 للدردشة. إذا كان فريقكم يكتب في الغالب، فاعتمدوا رقم الدردشة؛ وإذا كان يتحدث في الغالب، فاعتمدوا رقم الصوت.

لا. المعيار المرجعي اصطناعي: تشغّل مجموعة الاختبار الآلية لدينا كل أسبوع مجموعة مرجعية ثابتة من FLORES-200 عبر المنظومة، وهذا هو المصدر الوحيد لهذه الأرقام. الجلسات التي يجريها الناس في العرض التجريبي لا تُقيَّم ولا تُحفظ ضمن المعيار، ولا تُستخدم اجتماعاتكم فيه إطلاقاً.

افتحوا صفحة الزوج نفسه من الجدول أعلاه: تعرض الوسيط والنطاق وحجم العينة لكل شهر، إضافة إلى الاتجاه عبر الأشهر. وللتحقق على موادكم الخاصة، افتحوا منصة الاختبار — وهي بالإعداد ذاته ثنائي اللوحة الذي يعمل فيه المعيار — وتحدثوا أو اكتبوا بلغتكم؛ لا يبدأ شيء من تلقاء نفسه ولا يُحفظ شيء. إذا لم يكن زوج ما مدرجاً، فإما أنه لم يتجاوز حد النشر بعد أو أنه ليس في المنتج بعد. تبقى الدرجات المنخفضة متاحة عبر الرابط المباشر؛ نحن لا نخفيها.