Подбор контекста

Узнайте, как движок подбирает рекомендации и как разобраться в неожиданном переводе, сверив его с исходным текстом и конфигурацией.

Если в переводе появился неожиданный термин, возможны две причины: запись глоссария не попала в запрос или модель получила её, но применила неверно. Способ исправления зависит от причины. Подбор контекста — это процесс, в котором сохранённые рекомендации становятся частью запроса.

Движок локализации загружает подходящие инструкции, выбирает вариант тональности бренда и цепочку моделей, а затем готовит поиск по глоссарию. Выбранные материалы вместе с исходным текстом и контекстом конкретного запроса добавляются в промпт для перевода.

Что даёт каждый ресурс #

МатериалКак подбирается
ПравилаВсе подходящие правила из подключённых наборов правил и предустановленных подборок суммируются, включая применимые правила с подстановочными знаками и региональные рекомендации.
Тональность брендаВыбирается один вариант для целевой локали — с учётом приоритета локалей и дополнительных критериев при равном приоритете.
ГлоссарийТермины, совместимые с локалью, ранжируются и отбираются для исходного текста. Дубликаты исключаются.
Контекст запросаВызывающая сторона передаёт содержимое и контекст по контракту, который она поддерживает.

Предустановленные правила идут перед пользовательскими. Инструкции глоссария включают предпочтительные переводы и подсказки. Такой порядок даёт модели нужные рекомендации и задаёт приоритеты, но сам по себе не гарантирует их соблюдение: это зависит от генерации.

Почему запись глоссария может не попасть в запрос #

Небольшой набор подходящих терминов можно загрузить заранее. Для большого набора используется семантический поиск: он находит нужные термины, чтобы не отправлять все записи организации. Само по себе подключение глоссария не означает, что каждый термин попал в конкретный запрос.

Локали ранжируются, а дубликаты по исходному тексту удаляются ещё до того, как формируются инструкции по терминам. Проверка совместимости письменности исключает неподходящие пользовательские переводы. Поэтому запись может быть правильно сохранена и подключена, но попадать не в каждый запрос.

Подсказка объясняет нужное значение термина, когда он уже включён в запрос. Это не строгий фильтр, который исключает все совпадения с посторонними значениями. Разделы Глоссарии и Определение локали помогут разобраться, чем значение термина отличается от условий его отбора и ранжирования.

Как разобраться в неожиданном результате #

  1. Откройте запуск и проверьте движок, исходную локаль, документ и целевую локаль. Локаль без указания региона может соответствовать не тому региону, который вы имели в виду.
  2. Изучите пакет исходных данных и результат в разделе Запросы. Сравните их с отправленной версией исходного текста и контекстом документа.
  3. Изучите подключённые к движку ресурсы, относящиеся к переводу термины, правила и вариант тональности бренда. Создать ресурс — не значит подключить его к движку. Проверьте область применения по локалям, тип термина и сам текст инструкции.
  4. Сопоставьте доступную историю конфигурации со временем выполнения задания. На странице запроса видны пакет исходных данных и необработанный результат, но полный промпт на момент выполнения недоступен. По одним лишь текущим подключениям нельзя точно установить, какие рекомендации использовались в прошлой попытке.
  5. Исправьте предполагаемую проблему с подбором или рекомендациями. Затем переведите ограниченную выборку и пример, на который изменение не должно повлиять. Сохраните настройки движка и отправленный контекст вместе с новым результатом, чтобы сравнение можно было обосновать.

Отделяйте предполагаемую причину от ошибки, которую вы видите в формулировке. Если после изменения рекомендаций результат стал лучше, это подкрепляет выводы из сравнения, но не доказывает, что произошло в прошлом запросе, если данных о его контексте не хватает.

Подбор контекста даёт рекомендации для генерации. Повторное использование переводов сохраняет уже готовый текст на целевом языке, а кэширование промптов позволяет повторно использовать результаты обработки входных данных у провайдера. Ни один из этих процессов не обучает модель на каждом исправлении и не превращает движок локализации в универсальный сервис сбора данных из интернета.