Latest articles about translation technology
Конфигурация попадала в базу двумя путями, которые не встречались. Половина шаблонов разошлась — сразу в обе стороны, — и увидеть это было нечем. Инженерный кейс.
TM, куда пишет машина, деградирует: одна ошибка возвращается навсегда как точное совпадение. Почему мы позволили своей стартовать пустой и чего это стоило.
В декларации неверная цифра дороже любой стилистики, а метрики качества этой разницы не видят. Как проверять числовую целостность и как мы ошибались сами.
Сплошной второй проход LLM стоит несравнимо больше, чем возвращает. Оценка качества выбирает сегменты, которые стоит править. Как поставить порог.
GEMBA V2, MetricX-25 и двухъярусная схема на платных API. Плюс отказ, из-за которого оценка качества выглядит работающей, не работая.
Связка переводчик-ревьюер-редактор стоит впятеро больше токенов, итеративная — впятнадцатеро. Что за это дают по замерам и что мы сделали со своим пайплайном.
Два способа достать поля из скана. Мы держим оба в одном продукте. Что показали замеры, где выигрывает каждый и какая проверка тихо врёт.
Реквизиты, транслитерация ФИО, серии бланков, тексты печатей, отметки на обороте, сертификаты ЭЦП. Чек-лист перевода официальных документов и что ломается.
Официальный документ — это бланк с пронумерованными графами. Перевод его как прозы графы теряет. Разбираем перевод по шаблонам: что он даёт и где ломается.
Извлечение полей ломается не на понимании, а на формате: выдуманные имена ключей, почти-JSON, пропавшие поля. Три уровня защиты и цена каждого.
Одна явная инструкция в промпте — использовать термин ровно как в глоссарии и держать его по всему документу — даёт 12 процентных пунктов точности терминологии.
У рассуждающей модели размышление тратит тот же бюджет токенов, что и ответ. При 4096 она додумывает до лимита и возвращает пустоту — а фолбэк это прячет.
Как агентный ИИ трансформирует переводческие пайплайны: специализированные агенты перевода, постредактирования, терминологии и оценки качества.
Как ИИ трансформирует управление терминологией: автоматическая экстракция, снятие многозначности и живые глоссарии. Пошаговое руководство по внедрению.
Пересмотренный ISO 18587 теперь охватывает переводы, созданные LLM. Новые требования, стратегии соответствия и роль TQA-платформ.
Разбираем консенсусный подход к AI-переводу с несколькими движками. Архитектура, анализ затрат, данные исследований и практическое руководство по внедрению.
Глубокий разбор оценки качества китайской локализации — от упрощённого и традиционного письма до интернет-сленга, цензуры и роли Qwen-MT.
Как построить культуру качества перевода с непрерывным мониторингом, метриками MQM и бенчмарками поставщиков. Практический план трансформации на 3 месяца.
Автоматические метрики не замечают галлюцинации LLM. Разбираем, как MQM-оценка ловит то, что пропускают COMET и MetricX, с практическими примерами.
Сравнение GPT-5, Claude 4, Qwen-MT и DeepSeek-V3 для перевода. Какую модель выбрать для каждой языковой пары и как гибридная маршрутизация повышает качество.
Почему перевод ключевых слов не работает для международного SEO. Стратегия quality-first: транскреация, hreflang, GEO/AEO и оценка качества локализации.
Как изменилась профессия переводчика в 2026 году. Навыки, зарплаты, карьерные пути — от традиционного перевода к управлению качеством AI-переводов.
Узнайте, как создать и управлять глоссарием переводов. Лучшие практики терминологического менеджмента, инструменты и влияние глоссария на качество перевода.
Узнайте, как работает Translation Memory, её преимущества, лучшие практики и как внедрить TM в процесс локализации. Включает примеры и данные ROI.
Разберитесь в различиях между памятью переводов и глоссарием. Узнайте, когда использовать каждый инструмент, как они работают вместе, и лучшие практики комбинирования TM и терминологической базы.
Практическое руководство по выбору между созданием собственных AI-инструментов качества перевода и покупкой готовых решений. Анализ затрат, технические требования и рамка принятия решений.
Как AI меняет подход к оценке качества переводов и какие инструменты использовать для достижения лучших результатов
Как компании достигают снижения затрат на контроль качества перевода на 70% благодаря AI-автоматизации. Практическое руководство с расчётами ROI и этапами внедрения.
Как большие языковые модели (LLM) трансформируют оценку качества перевода. GPT-4, Claude и другие LLM для LQA с практическим руководством по внедрению.
Узнайте, как классифицировать ошибки перевода по стандартам MQM и ISO 5060. Полное руководство по типам ошибок, уровням критичности и расчёту качества.
Сравнение AI LQA и MTQE для оценки качества перевода. Узнайте, когда использовать каждый подход, их преимущества и ограничения, как построить гибридный workflow.
Узнайте об ISO 5060:2024 — первом международном стандарте оценки качества перевода. Интеграция с MQM, этапы внедрения, требования соответствия.
Узнайте, что такое лингвистический контроль качества (LQA), как он работает и почему необходим для профессионального перевода. Включает процесс LQA, метрики и AI-инструменты.
Детальное сравнение лучших LLM для перевода в 2025 году. Анализируем Claude 3.5, GPT-4, DeepL и другие AI-переводчики, чтобы помочь выбрать оптимальный инструмент.
Всё о Multidimensional Quality Metrics (MQM) - международном стандарте оценки качества переводов. Категории ошибок, модели подсчёта баллов и внедрение MQM в рабочий процесс.
We use cookies to improve your experience. Learn more in our Cookie Policy.
