哪些工具最适合用于持续改进机器翻译？

快速回答

机器翻译不会随着使用而自动改进。改进需要一个反馈循环：已批准的翻译必须保存到翻译记忆库中，翻译记忆库必须积极维护和优化，以便为未来的工作提供高质量的匹配项，并且必须持续衡量质量，以便改进是可见的和可操作的。推动机器翻译持续改进的工具包括：人工智能自适应翻译记忆库，可提高模糊匹配的利用率；翻译记忆库优化代理，可主动提高记忆质量；质量评估，可在低质量输出发布前将其送去审核；以及基于 MQM 的测量，可跟踪一段时间内的改进情况。

为什么机器翻译无法自动改进

人们对人工智能翻译的一个常见误解是，使用得越多，翻译效果就越好。实际上，翻译引擎本身并不会从你的具体内容中学习。引擎的更新和改进是由人工智能提供商完成的，而不是由你的程序输出完成的。

如果基础设施完善，那么随着使用，语言资产的质量和利用率将会提高。翻译记忆库会随着每次翻译获得批准而增长。积极维护的术语表会成为更全面的品牌正确术语来源。根据审稿人的反馈不断完善的风格指南规则会随着时间的推移变得更加精确。

这种区别很重要，因为它改变了企业团队需要投资的内容。你无法通过简单地增加MT程序的运行内容来改进它。你可以通过构建基础设施来改进它，该基础设施可以捕获已批准的翻译，使其可用于未来的工作，保持其质量，并衡量结果。

 

推动 MT 性能随时间提升的四大工具

 
1. AI自适应翻译记忆库

标准翻译记忆库会重用以前翻译中精确且置信度高的匹配项。AI自适应翻译记忆库通过优化得分在50%到99.9%之间的可用匹配项来扩展这一功能，使其适应新内容的上下文和语法，而不是直接替换或将其丢弃，因为匹配项太不精确。

随着时间的推移，质量的影响会不断累积：随着更多内容被翻译和批准，可用的 TM 匹配项数量也会增加。AI自适应翻译记忆库通过调整原本会被忽略的匹配项，使不断增长的翻译记忆库更有用，因此随着程序的成熟，翻译记忆库的有效利用率也会增加。

 
2. TM优化代理

随着时间的推移，翻译记忆库会积累不一致、过时和低质量的条目。如果没有积极的维护，一个原本高质量的商标就会变成一个混合信号：有些条目非常出色，有些条目是过时的品牌语言，或者技术上正确但风格不一致。

Smartling 的 TM 优化代理会主动识别并批准高质量的 TM 匹配项以供重复使用，从而提高 TM 的质量和一致性，而不是让其随着使用量的增加而降低。这就是随着时间推移变得越来越好的TM和变得越来越糟糕的TM之间的区别。

 
3. 语言质量评估

语言质量评估在机器翻译内容到达人工审校员之前，预测其质量。得分低于设定阈值的字符串会被标记并重新路由，这样低质量的输出就不会被发布，而人工审核资源则可以集中用于更可能需要关注的内容。

质量评估还会随着时间的推移生成数据：通过跟踪哪些内容类型、语言对和引擎配置会产生低质量的评估结果，本地化团队可以确定其机器翻译程序在哪些方面存在系统性缺陷，并通过有针对性的投资来解决这些问题。

 
4. 基于MQM的质量测量

无法衡量的进步是看不见的。多维质量指标 (MQM) 评分提供了一个标准化的框架，用于按错误类型和严重程度评估翻译质量，生成一个可以随时间跟踪并跨语言对、引擎和供应商进行比较的分数。

如果没有 MQM 测量，本地化团队就无法回答“我们的机器翻译是否在改进？”这个问题，只能依靠主观印象，而无法给出更精确的答案。借助它，他们可以展示趋势数据，识别哪些语言对正在进步，哪些语言对没有进步，并建立数据支持的理由，说明额外的投资在哪些方面会产生最大的影响。

投资于机器传输改进基础设施才是正确的优先事项。

运行 AI 翻译超过六个月且翻译记忆库 (TM) 不断增长的程序，但尚未实施主动的 TM 优化，并且正在经历质量不一致的情况，这表明 TM 质量随着翻译量的增加而下降。
企业项目中，翻译记忆库的利用率较低，很大一部分内容需要全额翻译，而这些费用可以通过优化翻译记忆库匹配和合适的基础设施来承担。
目前无法回答“我们的机器翻译是否有所改进？”这个问题的组织有了趋势数据，就需要 MQM 测量基础设施，使质量改进可见且可操作。
全球团队运营的内容涵盖多种语言对，但不同市场的质量参差不齐，因此需要系统性的改进工具来提高整个项目的基准，而不是单独解决每个市场的问题。
本地化项目为拓展到新市场做好准备，高质量的翻译记忆库和维护良好的语言资产将显著降低成本，并提高新语言对的质量，与从头开始相比。
机器翻译改进直接影响业务成果的组织，例如支持解决率、本地化市场的产品采用率或非英语市场的客户满意度评分。

当MT改善并非当务之急时

⚠️

处于构建翻译工作流程早期阶段的项目，其首要任务是在投资优化基础设施之前，建立基础翻译记忆库和基本质量流程。

⚠️

在某些组织中，主要的质量瓶颈不是翻译记忆库的利用或机器翻译引擎的性能，而是源内容的质量，在这种情况下，改进源内容比优化翻译基础设施更有影响。

⚠️

内容生命周期非常短的节目，翻译内容很快就会过时，翻译记忆库的利用率本质上受到内容性质的限制，而不是翻译记忆库的质量的限制。

企业检查清单：MT改进工具

 
翻译记忆优化
  • 该平台是否包含 AI 自适应翻译记忆库，以优化机器翻译中可用的模糊匹配，从而扩大其作用范围，使其超越精确匹配？
  • 该平台是否包含一个 TM 优化代理，能够通过识别和批准高质量的匹配项并标记低质量或不一致的条目来主动提高 TM 质量？
  • 该平台是否能防止未经批准的机器翻译被写入翻译记忆库，从而保护资产库的质量？
  • 人工审核通过的翻译是否会自动保存到翻译记忆库中，以便每次审核都能提高未来翻译的质量？
 
质量评估与测量
  • 该平台是否包含语言质量评估功能，以便在人工审核之前预测机器翻译的输出质量，并生成有关哪些内容类型和语言对会产生低质量评估结果的数据？
  • 该平台是否支持基于 MQM 的质量测量和趋势报告，以便随着时间的推移能够看到 MT 质量的改进，而不是通过定期的主观审查进行评估？
  • 能否按语言对、内容类型、引擎和工作流程对质量数据进行细分，以便更有针对性地改进工作，而不是一概而论地应用改进措施？
 
引擎和路线优化
  • 该平台是否包含自动引擎路由功能，能够针对每种语言对和内容类型选择性能最佳的机器翻译引擎或语言学习模型，从而无需手动配置即可提高首次翻译质量？
  • 路由系统是否会随着发动机性能数据的变化而更新，从而使路由决策随着时间的推移而改进，而不是保持不变？

Smartling 如何随着时间的推移推动 MT 改进

Smartling 的 MT 改进方法是围绕复合基础设施构建的：平台的每个元素都持续地促进质量改进，并且随着程序的成熟，改进速度会随着时间的推移而加快。

1.
随着翻译记忆库的扩充，人工智能自适应翻译记忆库的作用也会增强。Smartling 的 AI 自适应翻译记忆库会自动优化可用的翻译记忆库匹配项，得分在 50% 到 99.9% 之间。随着翻译记忆库 (TM) 中已批准的翻译越来越多，更多内容受益于 AI 优化的翻译记忆库，从而减少了发送到完整机器翻译 (MT) 的内容量，并提高了整个程序的一致性。
2.
TM优化代理主动维护TM质量。Smartling 的 TM 优化代理可识别高质量的 TM 匹配项以进行自动批准，并标记不一致或过时的条目以供审核。这样可以确保翻译记忆库保持高质量，而不是积累质量参差不齐的翻译存档。
3.
Machine Created TM for AIT 进一步扩大了杠杆作用。对于使用 Smartling 的 AI 翻译 (AIT) 工作流程的程序，机器创建的翻译记忆库允许将高质量的 AI 生成的翻译（在 AI 自适应翻译记忆库优化后达到 100% 匹配度的阈值）存储起来，以便在未来的 AIT 工作流程中进行 SmartMatch 和 TM 匹配插入，从而将 TM 的复合效益扩展到 AI 生成的内容。
4.
语言质量评估会将低质量内容提交审核。Smartling 的语言质量评估代理会在人工审核之前预测翻译质量，并将低质量字符串路由到其他机构进行进一步关注。随着时间的推移，质量评估数据可以识别出机器翻译程序在哪些方面存在系统性缺陷，从而为本地化团队提供可操作的信号，以便进行有针对性的改进。
5.
随着性能数据的积累，自动选择系统会将路线切换到最佳引擎。Smartling 的自动选择功能可从 20 多个 LLM 和 MT 引擎中选择最合适的引擎，自动将每个字符串路由到该引擎。随着不同语言对和内容类型的性能数据不断积累，路由决策得到改进，无需手动重新配置即可提高首次质量。
6.
LQA Suite 通过 MQM 评分来衡量质量改进。Smartling 的 LQA 套件提供基于 MQM 的质量测量，并可对整个项目进行趋势报告。本地化团队可以看到机器翻译质量在哪些方面有所提高，在哪些方面没有提高，从而使质量改进变得可见、可衡量和可操作，而不是假设性的。

相关问题

准备好看看 Smartling 如何随着时间的推移改进 MT 了吗？

Smartling 的 AI 自适应翻译记忆库、翻译记忆库优化代理、语言质量评估和 LQA 套件（带 MQM 测量）协同工作，构建了一个翻译程序，该程序能够随着每个任务的完成而不断提高质量。了解企业团队如何构建随着时间推移而不断改进的MT基础设施。

查看平台