Turboladung für Übersetzungsqualität: Die Leistungsfähigkeit des Custom Engine Trainings

Da die weltweite Nutzung von KI-gestützten Übersetzungen weiterhin exponentiell zunimmt, besteht ein wachsendes Interesse daran, sicherzustellen, dass die Ergebnisse den Markenstandards entsprechen und auf die spezifischen Bedürfnisse der Kunden zugeschnitten sind. Ein effektiver Ansatz, um dies zu erreichen, ist der Einsatz von benutzerdefinierten Engines für maschinelle Übersetzung (MT). Durch die Nutzung der linguistischen Ressourcen eines Unternehmens, wie z. B. Translation Memorys, Styleguides, Do-Not-Translate-Listen und Glossare, können diese Engines angepasst werden, um die Ergebnisse im Hinblick auf Markenkonformität und Qualität zu optimieren.

Die entscheidende Frage bleibt jedoch: Welche Auswirkungen haben maßgeschneiderte Engines tatsächlich auf Aspekte wie Übersetzungsqualität und Markenausrichtung? Sind sie die Investition wirklich wert und wie können sie am effizientesten genutzt werden? Olga Beregovaya und Alex Yanishevsky, die Führungskräfte von Smartling AI, gingen diesen und weiteren Fragen während eines kürzlich durchgeführten Smartling-Webinars nach. Lesen Sie weiter, um einige wichtige Erkenntnisse aus dem Gespräch zu erhalten.

1. Warum Maschinelle Übersetzung (MT) im Zeitalter von GenerativeAI (GenAI)? Der Beweis liegt im Pudding.

Während die Begeisterung für GenAI darauf hindeuten könnte, dass sich die Branche von MT zugunsten von GenAI abgewandt hat, zeigen die Daten etwas anderes. MT übertrifft weiterhin große Sprachmodelle wie GPT4 in Smartling-Benchmark-Bewertungen und erreicht durchweg höhere BLEU-Werte und geringere Bearbeitungsabstände. Nichtsdestotrotz kann GenAI immer noch eine wichtige Rolle in Übersetzungs-Workflows spielen (siehe Punkt X dieser Liste).

2. Benutzerdefinierte Engines liefern eine höhere Ausgabequalität. Zeitraum.

Trainierte Engines erzielen nicht nur durchschnittlich 18 % höhere BLEU-Werte im Vergleich zu ihren untrainierten Pendants, sondern ihre Ergebnisse erfordern auch 22 % weniger Bearbeitungen als generische Engines. Diese qualitativ hochwertigeren Ergebnisse erfordern weniger Überprüfungen durch menschliche Übersetzer, sodass Übersetzungsteams effizienter arbeiten können. In Kombination mit selbstlernenden KI-Funktionen wie dynamischer Fuzzy-Match-Reparatur oder Formalitätsumschaltung liefern benutzerdefinierte Engines im Vergleich zu generischen Engines oder GenAI allein eine gleichbleibend höhere Ausgabequalität.

3. Die goldene Regel des Custom Engine Trainings: Müll rein, Müll raus.

Das Training einer MT-Engine erfordert das Hochladen von linguistischen Assets wie Styleguides und Glossaren, aber ein "Upload and Pray"-Ansatz kann eine Engine in Bezug auf die Qualität nur bedingt weit bringen. Daher lautet das gängige Sprichwort in der KI-Community "Müll rein, Müll raus". MT-Engines bevorzugen klare, eindeutige Einträge, die in einer Sprache formatiert sind, die sie verstehen (TMX-Dateien). Effektives benutzerdefiniertes Training erfordert einen äußerst granularen Ansatz für das Hochladen linguistischer Inhalte, bei dem Ihr Team viel Kontrolle darüber ausübt, worauf Ihre Engine trainiert wird und wie sie trainiert wird.

Stellen Sie sicher, dass sich Ihr Motor mit Ihnen weiterentwickelt.

Das Training eines benutzerdefinierten Motors ist wie die Aufrechterhaltung einer angemessenen Zahnhygiene. Ohne regelmäßige Kontrollen können sich Karies bilden und Schäden verursachen. Wenn Ihr Unternehmen wächst, benötigt Ihre benutzerdefinierte Engine regelmäßige Aktualisierungen mit neuer Terminologie, Nachrichten und Stilrichtlinien, um weiterhin genaue Ergebnisse zu erzielen.

4. LLMs + benutzerdefinierte Engines: "entweder/oder" oder "sowohl als auch"?

Unsere Antwort: sowohl als auch!

LLMs allein liefern zwar im Vergleich zu herkömmlicher MT möglicherweise nicht durchweg qualitativ hochwertigere Ergebnisse, aber sie zeichnen sich durch die Verfeinerung und Verbesserung von MT-Outputs für bestimmte Aufgaben aus, wie z. B. die Umschaltung von Formalitäten, die Einhaltung von Stilrichtlinien und die Ausrichtung der Zielgruppen-Persona.

Die neueste Innovation von Smartling, das AI Translation Toolkit, nutzt die Leistungsfähigkeit von LLMs, um die MÜ-Ausgabe zu optimieren. Dynamische Funktionen wie AI Fuzzy Match Repair und Glossary Term Insertion verwenden LLMs, um grammatikalische Fehler zu korrigieren und Markenkonsistenz zu gewährleisten, was zu qualitativ hochwertigeren MÜ-Übersetzungen führt.

5. Es kommt auf den ROI an.

Um festzustellen, ob benutzerdefinierte Engine-Schulungen für Ihren Übersetzungsworkflow geeignet sind, hängt alles vom ROI ab. Wenn Sie bereits über ein robustes Übersetzungsspeicher verfügen, der den Großteil des Inhalts umfasst, den Sie in Zukunft übersetzen möchten, kann eine generische MT-Engine Ihren Übersetzungsbedarf wahrscheinlich decken, ohne dass Sie in eine benutzerdefinierte Engine investieren müssen. Generische Engines verfügen jedoch möglicherweise nicht über das Vokabular für bestimmte Domänen oder Sprachen. Wenn das der Fall ist, ist die Schulung von benutzerdefinierten Engines eine lohnende Investition, um Ihre Übersetzungsworkflows zu optimieren.

–

Letzten Endes wird das individuelle Motorentraining auch in Zukunft bestehen bleiben.

Bleiben Sie hier auf dem Laufenden über weitere bevorstehende Veranstaltungen von Smartling.