أعطيت المترجم فقرتين: باحث يقدم النتائج ، وخطًا حول تذاكر القطار بتكلفة 24.50 يورو. في الإسبانية ، ثلاث مرات ، عادت كفقرتين مع كل شخصية ، والاسم لم يمسه أحد ، و url لم يمسها أحد وعينة الكود لم تمسها. في اليابانية ، ثلاث مرات ، لم تكن الفقرة الثانية موجودة على الإطلاق. في التيلجو ، أربع مرات ، كانت مفقودة ثلاث مرات واندمجت في الفقرة الأولى في الرابعة. نفس المدخلات ، نفس التعليمات ، نفس النموذج. الشيء الوحيد الذي تغير هو اللغة الهدف ، والشيء الذي اختفى كان نصف النص بصمت.
ليرة تركية؛DR: هذا نموذج صغير يقوم بالترجمة ، ومدى نجاحه يعتمد بشكل كبير على مقدار تلك اللغة التي تم تدريبها عليها. تم قياسه عبر عشرة أشواط من مقطع واحد من 41 كلمة: كانت الإسبانية صحيحة ثلاث مرات من أصل ثلاث. أسقط اليابانيون الفقرة الثانية بأكملها ثلاث مرات من أصل ثلاث وقدموا "14 مارس" كما في 14 ، الشهر الرابع عشر. خسر التيلجو الفقرة الثانية في ثلاثة أشواط من أربعة. نجت عناوين URL والرمز كل العشرة. إذا لم يكن هدفك لغة أوروبية رئيسية ، ترجمة فقرة واحدة في كل مرة وتحقق من المخرجات. ال مترجم يعمل على خادم الموقع الخاص ، وهذا هو السبب في أن الحدود الصادقة تستحق الذكر.
ما الذي تم اختباره وكيف
فقرة واحدة ، فقرتان ، 41 كلمة ، تحمل الأشياء التي عادة ما تنكسر في الترجمة: اسم شخصي ، تاريخ ، عنوان URL ، نموذج رمز مع اقتباسات وفاصلة منقوطة ، رقم عشري ، وجملة يعتمد معناها على اسم معين.
Dr. Amara Osei will present the results on 14 March. The full dataset is at
https://example.org/trial-2026/data and the loader expects `read_csv(path, sep=";")`.
Tickets cost 24.50 euros and must be bought before boarding, because the
conductor cannot sell them on the train.
ثلاث لغات مستهدفة، تم اختيارها لتمتد لما شهده نموذج مثل هذا: الإسبانية، التي هي في كل مكان في بيانات التدريب، واليابانية، التي هي ممثلة بشكل جيد ولكنها بعيدة هيكليا، والتيلجو، التي لديها حوالي ثمانين مليون متحدث وجزء بسيط من التواجد على شبكة الإنترنت. هذه الفجوة هي موضوع كامل لا توجد لغة تركت وراء العمل، والذي يوجد على وجه التحديد لأن جودة الترجمة تتبع بيانات التدريب بدلاً من عدد المتحدثين.
عشرة أشواط في المجموع. هنا كل واحد منهم.
| يجري | الفقرة الثانية | الاسم المتبقي كما هو | URL سليم | رمز سليم | فقرات |
|---|---|---|---|---|---|
| الإسبانية 1 | نعم | نعم | نعم | نعم | 2 |
| الإسبانية 2 | نعم | نعم | نعم | نعم | 2 |
| الإسبانية 3 | نعم | نعم | نعم | نعم | 2 |
| اليابانية 1 | لا | لا | نعم | نعم | 1 |
| اليابانية 2 | لا | لا | نعم | نعم | 1 |
| اليابانية 3 | لا | لا | نعم | نعم | 1 |
| التيلجو 1 | لا | لا | نعم | نعم | 1 |
| التيلجو 2 | لا | لا | نعم | نعم | 1 |
| التيلجو 3 | نعم | لا | نعم | نعم | 1 |
| التيلجو 4 | لا | لا | نعم | نعم | 1 |
ماذا يحدث لنصف النص؟
لم تتم ترجمته ولا شيء يقول ذلك.
ستة من الأشواط السبعة غير اللاتينية أعادت الفقرة الأولى فقط. الإخراج بطلاقة ، ومشكلة بشكل صحيح وكامل المظهر. إذا كنت لا تقرأ اليابانية أو التيلجو ، فلا توجد إشارة على الإطلاق إلى أن النص الذي لصقته كان 41 كلمة والنص الذي تلقيته يغطي 24 منها.
إن سباق التيلجو الوحيد الذي احتفظ بالفقرة الثانية ليس مطمئنًا أيضًا. لقد دمجت كل شيء في فقرة واحدة ودمجت فقرتين غير مرتبطين ، مما ينتج عنه جملة تقول إن اللودر يجب أن يلجأ إلى الكود لأن البيع في القطار غير ممكن. كما حولت القطار إلى حافلة.
يكون السبب واضحًا عند اختبار الفقرة التي تم إسقاطها من تلقاء نفسها. يتم إرساله بمفرده ، ويترجم بشكل صحيح ويحتفظ بـ 24.50:
రద్దకెళ్ళకు ముందు టిక్కెట్లు కొనాలి, ఎందుకంటే కమాండర్ వాటిని రైలులో అమ్మలేదు. (24.50 యూరోలు)
لذلك يمكن للنموذج ترجمة تلك الجملة. يتوقف قبل الوصول إليه عندما يحتوي المدخل على فقرتين. هذا فشل في الجيل وليس فهمًا ، وهو أهم شيء يجب معرفته حول استخدام هذه الأداة بلغة غير أوروبية.
الحل هو فقرة في كل مرة. مملة وموثوقة وحوالي ثلاثين ثانية لكل فقرة.
ما الذي نجا من كل شوط؟
عناوين URL والرموز ، عشر مرات من أصل عشرة.
https://example.org/trial-2026/data intact in all 10
`read_csv(path, sep=";")` intact in all 10
هذه هي التعليمات التي تعمل تمامًا كما هو مقصود ، وهي ليست شيئًا صغيرًا. المترجم الذي يترجم اسمًا متغيرًا مفيدًا ، يترجم فاصلًا عشريًا داخل عينة رمز أو يعيد كتابة مسار URL ينتج إخراجًا معطلاً بطريقة لا يلاحظها أحد حتى يفشل شيء ما. هنا عادت الشفرة مع اقتباساتها ، والفاصلة المنقوطة وأسماء المعلمات الخاصة بها دون أن تمس باليابانية والتيلجو وكذلك الإسبانية.
إذا كنت تترجم الوثائق ، فهذه هي الخاصية الأكثر أهمية ، وهي التي تحمل.
ماذا حدث للتاريخ؟
تحول اليابانيون في 14 مارس إلى الشهر الرابع عشر.
14月14日
أنتجها جميع الأشواط اليابانية الثلاثة. في اليابانية ، يُكتب التاريخ شهرًا أولاً على أنه 314 ، وهو أحد الأنماط لكل موقع تم فهرسته يونيكود كلدر، وأخذ النموذج رقم اليوم واستخدمه لكلا الحقلين. لا يوجد شهر الرابع عشر ، لذلك هذا ليس غموضًا ، إنه تاريخ خاطئ يُقرأ على أنه تاريخ معقول لأي شخص يكشط.
لقد حصل عليها التيلجو مرتين وسقطت الشهر مرة واحدة ، وعادت "اليوم الرابع عشر" بدون مسيرة. كتب الإسبانية "إل 14 de Marzo" بشكل صحيح في الثلاثة.
تستحق التواريخ التخصيص لأنها الخطأ الأكثر احتمالية للبقاء على قيد الحياة في التدقيق اللغوي من قبل شخص لا يقرأ اللغة الهدف. فقرة مفقودة مرئية كفرق في الطول. الشهر الخطأ هو أربعة أحرف تبدو مثل أي تاريخ آخر.
لماذا يتم ترجمة الاسم عندما تقول التعليمات تركه؟
لأن التعليمات خاطئة لتلك البرامج النصية ، والنموذج صحيح.
"أمارا أوسي" عادت دون تغيير في الإسبانية وكما في اللغة اليابانية و అమరరఱఒసే في التيلجو. المطالبة المرسلة مع كل طلب تقول & quot؛ اترك الأسماء وعناوين URL والرمز دون تغيير & quot؛ ، وعصى النموذج بدقة.
يجب. إن ترك اسم نص لاتيني في منتصف النثر الياباني ليس ما يفعله المترجم الياباني ؛ يتم ترجمة الأسماء إلى كاتاكانا بطبيعة الحال ، والوثيقة التي لا تفعل ذلك تقرأ على أنها إخراج آلة. الأمر نفسه ينطبق على التيلجو.
لذا تعامل مع هذا السطر من التعليمات على أنه ينطبق على المعرفات بدلاً من الأشخاص. إذا كنت بحاجة إلى اسم محفوظ في نص لاتيني ، أو للحصول على جواز سفر أو مستند قانوني حيث يكون التهجئة هو النقطة ، فتحقق منه وأعده.
ما هي اللغات التي يمكنك الاعتماد عليها؟
لا يمثل عشرين خيارًا مكافئًا ، ويتتبع الاختلاف مقدار كل لغة شاهدها النموذج.
| طابق | لغات | ماذا تتوقع |
|---|---|---|
| موثوق هنا | الإسبانية، الفرنسية، الألمانية، البرتغالية، الإيطالية، الهولندية | صحيح في هذا الاختبار ؛ تعليق إدخال متعدد الفقرات |
| قابل للاستخدام مع التحقق | الصينية واليابانية والكورية والروسية والعربية والتركية | جيد من الناحية الهيكلية ، لكن توقع أخطاء الاقتطاع والتاريخ |
| فقرة واحدة في كل مرة | الهندية، البنغالية، التيلجو، التاميل، الماراثى، الكانادا، الأردية | الاقتطاع المقاس ؛ تحقق من كل رقم |
تم قياس اللغة الإسبانية واليابانية والتيلجو فقط. يتم وضع الصفوف الأخرى حسب مقدار نص الويب الموجود في كل لغة ، وهو الشيء الذي يتنبأ بكفاءة نموذج صغير ، ويجب التعامل معها على أنها توقعات بدلاً من النتائج.
النمط الذي يجب حمله بعيدًا: كلما ذهبت إلى أسفل هذا الجدول ، كلما كان الإدخال أقصر وكلما احتجت إلى التحقق من الإخراج من قبل شخص يقرأه.
هل هذا أفضل أم أسوأ من ترجمة جوجل؟
الأسوأ في الترجمة ، من الأفضل عدم إرسال المستند إلى أي مكان.
تدير خدمة ترجمة مخصصة نموذجًا أكبر بكثير مدربًا خصيصًا على نص متوازي ، وبالنسبة لزوج لغة مثل الإنجليزية إلى التيلجو ، فإن هذه الفجوة كبيرة. إذا كان ما تحتاجه هو أفضل ترجمة متاحة لمستند عام ، فاستخدم واحدة من هؤلاء.
ما تحصل عليه هنا بدلاً من ذلك هو أن النص لا يترك أجهزة الموقع الخاصة. غالبًا ما لا يمكن نشر الأشياء التي يترجمها الأشخاص: رسالة من محام ، بريد إلكتروني من المالك ، مذكرة طبية لقريب ، عقد قبل التوقيع. بالنسبة لهؤلاء ، & quot؛ جيد بما يكفي لفهمه ، ولم يره أحد آخر "منتج مختلف عن" ممتاز ، ومسجل & quot ؛.
إن معرفة أي من هؤلاء هو القرار برمته ، ويستحق اتخاذه بوعي بدلاً من أي علامة تبويب مفتوحة.
هل النغمة والتنسيق على قيد الحياة؟
تنسيق نعم ، مع تحذير الفقرة أعلاه. من الصعب التحقق من النغمة وتكون أقل ثقة.
تطلب التعليمات المعنى والنغمة والتنسيق وفواصل الأسطر التي يجب الاحتفاظ بها. في الإسبانية ، حافظت جميع الأشواط الثلاثة على بنية فقرتين بالضبط. في الأشواط غير اللاتينية ، فقد كسر الفقرة في جميع أنحاء السبعة ، بما في ذلك تلك التي احتفظت بالمحتوى.
التسجيل هو الشيء الذي لا يمكنك التحقق منه بدون اللغة. يشفر اليابانيون على وجه الخصوص الأدب نحويًا ، والفرق بين النموذج المناسب لزميل والآخر مناسب للعميل ليس شيئًا يمكن للمتحدث باللغة الإنجليزية فحصه. تستخدم عمليات التشغيل هنا / ، الشكل المهذب المحايد ، وهو تقصير معقول وقد يكون خاطئًا لغرضك.
إذا كان النص يذهب إلى شخص ما بدلاً من فهمه الخاص ، فاجعله يقرأه شخص يتحدث اللغة. هذا صحيح بالنسبة لأي ترجمة آلية وأكثر صحة بالنسبة لترجمة صغيرة.
لماذا لا تثبت ترجمتها شيئًا؟
لأن الرحلة ذهابًا وإيابًا بطلاقة مهما حدث في المنتصف ، وتخفي بالضبط الفشل الذي كنت تبحث عنه.
هذه هي الطريقة الأكثر شيوعًا التي يتحقق الأشخاص من ترجمة لا يمكنهم قراءتها: أعد الناتج ، وانظر ما إذا كانت اللغة الإنجليزية تظهر. هنا هو هذا الاختبار التشغيلي على الإخراج الياباني أعلاه.
Dr. Amal Ose will announce on April 14th. The entire dataset is available at
https://example.org/trial-2026/data. The load arm expects `read_csv(path, sep=";")`.
اقرأها باردة ويبدو أنها ترجمة صحيحة لإعلان قصير. اقرأها بجانب الأصل وحدثت أربعة أشياء.
تلف الاسم من خلال تمريرتين: عمارة أوسي أصبحت ア マ ・オセ أمل أوس. التاريخ كان خاطئًا مرتين بطرق مختلفة ، من 14 مارس إلى الشهر الرابع عشر 14 أبريل، وهو التاريخ الثالث الذي ظهر لا في المصدر ولا الياباني. "المحمل أصبح" & quot؛ ذراع الحمل & quot؛. ولا تزال الفقرة الثانية بأكملها مفقودة ، ولا يوجد شيء في اللغة الإنجليزية يشير إلى وجودها على الإطلاق.
هذه النقطة الأخيرة هي التي تهم. لا يمكن للرحلة ذهابًا وإيابًا أن تكشف عن محتوى مفقود ، لأن المحتوى المفقود مفقود من طرفيه. إنه يختبر ما إذا كان النموذج يمكنه قراءة مخرجاته الخاصة ، وهو ما يمكنه عمومًا.
الشيك الذي يعمل هو الباهت: قارن طول ما قمت بلصقه مقابل طول ما عاد.
هل يمكنك ترجمة مستند كامل؟
ليس دفعة واحدة ، والسبب هو نفس الفشل كما هو مذكور أعلاه مع وجود المزيد على المحك.
يتم اختصار المدخلات الطويلة جدًا إلى ما يمكن للنموذج قراءته مرة واحدة ، وتقول الصفحة ذلك عندما يحدث ذلك. لكن الاقتطاع المقاس هنا هو شيء مختلف ، يحدث عند 41 كلمة ، داخل أي حد: يتوقف النموذج ببساطة عن التوليد قبل أن ينتهي.
لذلك يتم تمرير المستند إلى قطع ، ويعتمد حجم القطعة على الهدف:
| هدف | قطعة عملي |
|---|---|
| الإسبانية، الفرنسية، الألمانية، البرتغالية، الإيطالية، الهولندية | عدة فقرات ؛ تحقق من الطول |
| الصينية واليابانية والكورية والروسية والعربية والتركية | فقرة أو اثنتين ، تحقق كل منها |
| الهندية، البنغالية، التيلجو، التاميل، الماراثى، الكانادا، الأردية | فقرة واحدة ، تحقق كل منها |
اعمل بالترتيب الذي يقرأه المستند ، واحتفظ بالإخراج في ملف منفصل أثناء التنقل ، وقارن بين عدد الأسطر في النهاية. بالنسبة لمستند طويل في أحد الصفوف السفلية يكون بطيئًا بما يكفي ليكون يستحق السؤال عما إذا كانت خدمة الترجمة المخصصة هي الأداة الأفضل ، والتي عادة ما تكون كذلك بالنسبة للنص العام.
ما لا يحله التشفير هو الاتساق. قد يعود المصطلح المترجم بطريقة واحدة في الفقرة الثالثة بشكل مختلف في الفقرة التاسعة ، لأن كل طلب مستقل ولا يحمل أيًا من الخيارات السابقة. لأي شيء له مصطلحات متكررة ، قم بتسوية المصطلحات الأساسية أولاً وإصلاحها يدويًا بعد ذلك.
كم من الوقت يستغرق؟
من 25 إلى أربعين ثانية لمقطع قصير ، ويتتبع الوقت الإخراج بدلاً من المدخلات.
| هدف | توقيت | إخراج |
|---|---|---|
| اللغة الإسبانية | 37 ق | 301 بايت |
| ياباني | 25 ق | 209 بايت |
| التيلجو | 28 ق | 335 بايت |
كانت اليابانية الأسرع لأنها أنتجت أقل ما تم وصفه أعلاه ، وهو الفشل الموصوف أعلاه في التوقيت. إن الجري الذي يعود بسرعة غير عادية على هدف غير أوروبي يستحق نظرة ثانية لهذا السبب.
أعادت شوط واحد من عشرة محطات 502 بدلا من ترجمة. تتعامل الصفحة مع ذلك بشكل صحيح ، وتظهر خطأ بدلاً من طباعته كمخرجات ، وعملت إعادة المحاولة. يستحق أن يعرف أنه يحدث على نموذج مشترك واحد.
ما الذي يجب عليك التحقق منه قبل استخدام الترجمة؟
أربعة أشياء ، بالترتيب الذي أخطأوا فيه هنا.
- الطول. قارن الإخراج بالمدخلات. إذا كانت تبدو قصيرة ، فإن الفقرة مفقودة. هذا يكتشف أسوأ فشل دون قراءة كلمة من اللغة الهدف.
- كل رقم وتاريخ. الأرقام تبقى على قيد الحياة كأرقام وتواريخ لا تبقى على قيد الحياة كتواريخ.
- الكود وعناوين URL والمعرفات. هذه الجولات العشرة ، لذا فهذه تأكيد سريع وليست مشكلة محتملة.
- إنسان ، إذا كان سيذهب إلى الإنسان. لا شيء فوق ذلك يحل محل ذلك ، وسجل الأدب هو السبب.
لماذا يتم تشغيله على خادم الموقع الخاص؟
لأن طلبات الترجمة التي يقدمها الأشخاص هي قائمة بالأشياء التي لا يفضلون تحميلها.
حرف بلغة لا يقرؤونها. وثيقة من دائرة حكومية. رسالة من أحد أفراد الأسرة. بند في العقد. يرسلها البديل التقليدي إلى خدمة تسمح شروطها بالاحتفاظ ، وبالنسبة لأنواع النصوص التي يترجمها الأشخاص ، فإن هذا يمثل عرضًا أكبر مما هو عليه بالنسبة لمعظم الأدوات.
هنا يذهب إلى نموذج صغير على الأجهزة الخاصة بالموقع ولا يتم تخزينه إلا إذا اخترت إرسال التعليقات. التكلفة في الصفوف العشرة من الجدول أعلاه ، مذكورة بوضوح بدلاً من اكتشافها.
