自動ポストエディット

最初のステップとして、自動適応型ニューラル機械翻訳モデルは、正確で効率的な翻訳を大規模に提供します。

翻訳メモリデータ、バイリンガル辞書、ポストエディットのリアルタイムフィードバックなどの外部入力から継続的に学習し、組み込みのフィードバックループを使用して経時的に出力結果を改良していきます。

次に、機械翻訳品質評価（MTQE）モデルでは、専門家によるラベルと注釈付きのデータを活用して、翻訳された各文章を自動的に評価します。  

このモデルでは、翻訳を高品質、十分な品質、または低品質に分類することで、当社の言語スペシャリストの意思決定を再現しています。低品質の翻訳にフラグを立てることで、コンテンツの効率性が直接向上します。   

MTQEに続いて、プライベート大規模言語モデル（LLM）が、さらなる微調整を必要とする分節の自動ポストエディットを実行します。この生成AIモデルは、翻訳の精度と流暢さを向上させ、人間の介入の必要性を低減します。 

この重要なステップを自動化することで、高品質の翻訳をより迅速かつ効率的に提供し、大幅なコスト削減と市場投入期間の短縮に貢献します。 

当社のニューラル機械翻訳モデルは、組み込みのフィードバックループを通じて継続的に適応し、学習し、品質評価結果と生成AIの出力結果を取り込みます。  

この適応型学習プロセスにより、翻訳の正確性と洗練度が徐々に向上し、高まる翻訳要件を満たすことができます。