结果

结合文本、判定标准、推理过程和执行证据解读测量答案,再核查尚未得到答案的工作。

结果将一项测量与它检查的文本关联起来。使用结果时,请对照查看答案、判定标准和接受评估的修订版本。如果某项发现指出某个条件被删除,就应明确指出该条件及其在目标文本中的对应措辞;仅凭一个数字无法确认这一变化。

例如,编辑率答案为 true,表示草稿和目标文本在规范化空白字符后仍有差异。而在自定义要求中,同样的布尔值可能表示翻译通过了检查。解读数值前,请先阅读定义。

打开正确的历史记录 #

在 Radar → 日志 中,测量选项卡按从新到旧的顺序列出所有答案。按测量、语言、类型和值(通过、未通过或不适用)筛选,再打开某个答案,查看其测量结果。事件页面也会在值下列出该事件的答案。结果历史接口支持按时间、事件、测量、语言区域、事件类型和判定结果筛选。布尔值的通过/未通过筛选只会选出布尔答案,不会为数值评分设置阈值。N/A 则会选出标记为不适用的答案。

结果列表接口默认返回 200 行,每页最多支持 500 行。保持筛选条件不变,通过 meta.nextCursor 继续读取所选范围内的完整历史记录。查询详情时,使用事件 ID、测量 ID 和事件发生时间作为 at。

对于在 Lingo.dev 中生成的翻译,答案归属于其 localization.completed 事件。请在 Radar → 日志 → 测量 中查找与该事件的任务 ID 和目标语言区域匹配的记录。审核 Lingo.dev 翻译介绍了哪些已完成的工作可以接受测量。在 Studio → 本地化 API 中打开任务,即可查看其模型请求。

解读答案字段 #

字段含义
valueKindbool 或 score,用于标明答案的取值尺度。
value布尔值 true 表示为 1,false 表示为 0;也可以是 0 到 100 的评分。
notApplicable为 true 时,该行没有确定的布尔答案或数值答案。将 value 作为评分解读前,请先检查此字段。
reasoning, suggestion可提供的解释和修正建议。两者都可能为 null。
eventAt, computedAt从来源获取的事件时间,以及计算此答案的时间;事件时间遵循提供方的时间戳规则。
结果生成方字段记录的是评估器或算法,不一定是生成该翻译的工具。

答案为 null 时,存储的数值为零,同时带有 notApplicable: true。这一组合表示 N/A,并不代表质量被判为零分。确定答案确实为零时,则带有 notApplicable: false。

详情还包括令牌用量、costUsd,以及可用时提供的 aiRequest,其中包含模型、时间戳、输入和原始输出。结果页面将这些信息展示为附有推理和建议的答案、接受检查的翻译,以及包含发送内容和回复内容的评判请求;旁边还会显示评判器、耗时、令牌和费用。算法生成的答案不需要 AI 请求。请求证据较早或不可用时,此字段也可能为 null。只要答案本身有效,解释为 null 并不意味着执行失败。

如果评判器的解释似乎依赖于缺失的文本或指导信息,请查看其输入。采纳建议前,请先对照源文本进行评估;修正建议并不等于已被接受的输出。

详情接口定义中包含结构化的 answer 字段,但当前结果查询只返回布尔值和数值记录。已存储的 JSON 编辑模式标签无法通过这些列表或详情路径获取。对某个时段重新测量的回填操作也会替换原有答案,因此结果历史并不是判定标准各版本的不可变档案。

解读 #

N/A 涵盖多种情况,需要分别处理。事件可能不在测量设定的语言、引擎或样本范围内,此时推理会以“条件未满足”开头。也可能是某条规则确实不适用、选中的翻译缺少源文本,或评判器已运行却仍无法作出判断。请结合原因、请求数据和执行证据区分这些情况,不要认为每个 N/A 都表示已完成判断。

观察到的情况处理方式
适用性不明确确认该判定标准是否应纳入本次评估,并明确标注尚存的不确定性。
判定标准不适用将其排除在该判定标准的质量统计分母之外,并保留原因。
符合条件的翻译缺少所需证据将其保留在符合条件的总体中,并记录证据缺口。
评判器已完成运行,但未给出确定答案分别统计已完成的评估数量和确定答案数量。
符合条件的翻译得到了通过或未通过的答案将其计入确定答案的分母;通过率的分子只计入通过的答案。
尚无法确认评估已完成明确标注缺失或失败的工作,并排查其最后已知的进展节点。

这些区分用于分析,并不意味着界面会提供对应的独立状态。所选总体以工作流记录为依据;仅凭返回的答案,无法找出所有符合条件却从未进入评估的翻译。

以 30 条符合条件的翻译为例,20 个确定答案中有 18 个通过,通过率为 90%,确定答案覆盖率为 20/30。如果另有五次评估已完成但未给出确定答案,评估完成覆盖率就是 25/30。其余五条仍未完成评估。请分别报告这些数值,避免通过率掩盖证据缺失。

抽样是有意进行的筛选。因抽样而未被选中的事件不属于执行失败,但仍会影响对全部符合条件总体的覆盖率。设计翻译质量测量介绍了如何定义这一总体并测试判定标准。

缺失和失败的结果 #

从原始事件或请求开始排查。如果不存在,请检查采集或生成环节。如果存在,请检查所选测量、已启用的条件及其语言、引擎和样本设置,以及所需的证据。

处理事件时,可恢复的评判或存储故障会触发重试;格式错误的消息以及因缺陷而无法处理的消息则可能被丢弃。界面上的答案列表并不记录每一次尝试。翻译成功也不代表系统已为其选定测量或将测量加入队列。

通过事件查看采集到的证据,通过请求查看模型输入、输出和错误,通过运行查看工作流进度。等待人工审核的工作应在 Inbox 中查看。写入目标位置失败与翻译或评估失败是不同的问题。为了补上一次缺失的审核而反复生成翻译,可能只会产生无关的工作,无法填补原有缺口。

针对已评估的修订版本采取行动 #

请确认正在检查的目标文本就是接受评估的版本。对于专业审核,应将返回的文本与实际送审的文本进行比较,因为送审文本可能已经过改写。供应商延迟返回的结果或仍被收取的审核费用,都不能证明团队接受了该文本。

验证发现后,请在目标文本所属的工作流中修正文本,或澄清导致问题的源文本、术语表、规则或评估器。修改后,重新检查该版本。验证质量发现进一步介绍了这一排查过程;Inbox 审核则说明审核决策本身。