Maschinelle Übersetzung

Maschinelle Übersetzung ist Software, die Text, Sprache oder Text in Bildern aus einer Sprache in eine andere übersetzt. Die heutigen offenen Modelle gehen meist von einem allgemeinen Modell aus und werden dann nur noch zum Übersetzen trainiert.

  • Grundlagen
  • Aktualisiert

Ältere Übersetzungssysteme wurden von Anfang an für diese Aufgabe gebaut. Die offenen Übersetzungsmodelle dieses Katalogs beginnen mit einem allgemeinen Sprachmodell und ergänzen Übersetzungstraining. TranslateGemma startet von Gemma 3, Index-Translate von Qwen3.5 und PLaMo 3 Translate von PLaMo 3 NICT. TranslateGemma wurde mit menschlichen Übersetzungen und von Gemini geschriebenen Übersetzungen feinabgestimmt und dann mit Bestärkungslernen gegen Belohnungsmodelle trainiert, die Übersetzungsqualität bewerten. PLaMo 3 Translate verwendete mit Gemma 4 synthetisierte Übersetzungen, gefolgt von zwei Runden Präferenzoptimierung.

Auf jeder Model Card tauchen einige Begriffe auf. Quell- und Zielsprache bilden das zu übersetzende Paar, und ein Modell ist bei manchen Paaren meist besser als bei anderen. TranslateGemma wurde auf 55 Sprachen evaluiert, Hy-MT2 listet 33, PLaMo 3 Translate 53 und Index-Translate 150. Sprachen mit wenigen Ressourcen haben wenig Trainingstext und sind die schwierigsten. Ausgabe abseits des Ziels (Off-Target) bedeutet, dass das Modell in einer anderen als der angeforderten Sprache antwortete. Die meisten dieser Modelle übersetzen nur, nehmen Sie für alles andere ein allgemeines Modell. Texte, die länger als die Eingabe des Modells sind, müssen aufgeteilt werden, etwa bei TranslateGemmas 2K Tokens oder PLaMos 32.768 Tokens für Ein- und Ausgabe zusammen. Ein Modell kann auch Inhalte hinzufügen oder weglassen, lassen Sie also Wichtiges von einer Person prüfen.

Verwandte Begriffe

  • Übersetzungsmetriken Übersetzungsmetriken sind die Scores, mit denen Modellkarten eine Übersetzung bewerten. Manche zählen die Übereinstimmung mit einer menschlichen Referenz, andere nutzen ein trainiertes Modell oder menschliche Prüfer, und ihre Skalen sind nicht vergleichbar.
  • Fine-Tuning (Feinabstimmung) Beim Fine-Tuning wird das Training eines vortrainierten Modells mit Ihren eigenen Beispielen fortgesetzt, damit es sich bei einer bestimmten Aufgabe, einem Stil oder einem Fachgebiet besser verhält.
  • Reinforcement Learning (RL) Reinforcement Learning trainiert ein Modell, indem es gute Ergebnisse belohnt, etwa eine richtige Antwort oder bestandene Tests, statt Beispieltext nachzuahmen.
  • Kontextfenster Das Kontextfenster ist die maximale Textmenge, gemessen in Tokens, die ein Modell auf einmal berücksichtigen kann, einschließlich Ihres Prompts und seiner eigenen Antwort.

Alle Begriffe