Tradução automática
Tradução automática é software que traduz texto, fala ou texto dentro de imagens de um idioma para outro. Os modelos abertos de hoje costumam partir de um modelo geral e ser treinados depois apenas para traduzir.
Sistemas de tradução mais antigos eram construídos para a tarefa desde o início. Os modelos de tradução abertos deste catálogo começam com um modelo de linguagem geral e adicionam treinamento de tradução. O TranslateGemma parte do Gemma 3, o Index-Translate do Qwen3.5 e o PLaMo 3 Translate do PLaMo 3 NICT. O TranslateGemma foi ajustado com traduções humanas e traduções escritas pelo Gemini, e depois treinado com aprendizado por reforço contra modelos de recompensa que pontuam a qualidade da tradução. O PLaMo 3 Translate usou traduções sintetizadas com o Gemma 4, seguidas de duas rodadas de otimização de preferências.
Alguns termos aparecem em todo model card. O idioma de origem e o de destino formam o par a ser traduzido, e um modelo costuma ser melhor em alguns pares do que em outros. O TranslateGemma foi avaliado em 55 idiomas, o Hy-MT2 lista 33, o PLaMo 3 Translate 53 e o Index-Translate 150. Idiomas de poucos recursos têm pouco texto de treinamento e são os mais difíceis. Saída fora do alvo significa que o modelo respondeu em um idioma diferente do pedido. A maioria desses modelos só traduz, então use um modelo geral para qualquer outra coisa. Textos mais longos que a entrada do modelo precisam ser divididos, como com os 2K tokens do TranslateGemma ou os 32.768 tokens do PLaMo para entrada e saída juntas. Um modelo também pode acrescentar ou omitir conteúdo, então peça a uma pessoa para conferir tudo o que for importante.
Termos relacionados
- Métricas de tradução Métricas de tradução são as pontuações que as fichas de modelos usam para avaliar uma tradução. Algumas contam a sobreposição com uma referência humana, outras usam um modelo treinado ou revisores humanos, e suas escalas não podem ser comparadas.
- Ajuste fino (fine-tuning) O ajuste fino continua o treinamento de um modelo pré-treinado com seus próprios exemplos, para que ele se comporte melhor em uma tarefa, estilo ou domínio específicos.
- Aprendizado por reforço (RL) O aprendizado por reforço treina um modelo premiando bons resultados, como uma resposta correta ou passar em testes, em vez de copiar texto de exemplo.
- Janela de contexto A janela de contexto é a quantidade máxima de texto, medida em tokens, que um modelo pode levar em conta de uma vez, incluindo o seu prompt e a resposta dele.