Машинный перевод
Машинный перевод — это ПО, переводящее текст, речь или текст на изображениях с одного языка на другой. Открытые модели сегодня обычно стартуют с универсальной модели и дообучаются только на перевод.
Старые переводческие системы изначально строились именно для перевода. Открытые переводческие модели из этого каталога начинают с универсальной языковой модели и добавляют обучение переводу. TranslateGemma происходит от Gemma 3, Index-Translate — от Qwen3.5, а PLaMo 3 Translate — от PLaMo 3 NICT. TranslateGemma была дообучена на человеческих переводах и переводах, написанных Gemini, а затем обучена с подкреплением против моделей вознаграждения, оценивающих качество перевода. PLaMo 3 Translate использовала переводы, синтезированные с помощью Gemma 4, за которыми следовали два раунда оптимизации по предпочтениям.
На каждой модельной карточке встречается несколько терминов. Исходный и целевой языки образуют переводимую пару, и модель обычно лучше справляется с одними парами, чем с другими. TranslateGemma оценивалась на 55 языках, Hy-MT2 перечисляет 33, PLaMo 3 Translate — 53, а Index-Translate — 150. У низкоресурсных языков мало обучающего текста, и они самые трудные. Вывод не на целевом языке (off-target) означает, что модель ответила не на том языке, который был запрошен. Большинство таких моделей только переводят, поэтому для всего прочего используйте универсальную модель. Тексты длиннее входа модели приходится делить — например, при лимите TranslateGemma в 2K токенов или 32 768 токенов у PLaMo на вход и выход вместе. Модель может и добавлять, и терять содержание, поэтому всё важное проверяйте человеком.
Связанные термины
- Метрики перевода Метрики перевода — это оценки, которыми карточки моделей измеряют качество перевода. Одни считают совпадение с человеческой ссылкой, другие используют обученную модель или людей-рецензентов, и их шкалы нельзя сравнивать.
- Дообучение (fine-tuning) Дообучение продолжает обучение предобученной модели на ваших собственных примерах, чтобы она лучше работала в конкретной задаче, стиле или предметной области.
- Обучение с подкреплением (RL) Обучение с подкреплением тренирует модель, вознаграждая хорошие результаты, например правильный ответ или прохождение тестов, вместо копирования примеров текста.
- Контекстное окно Контекстное окно — это максимальный объём текста, измеряемый в токенах, который модель может учесть за один раз, включая ваш промпт и её собственный ответ.