Detalles del evento
| Fecha | 24/11/2026 |
| Hora | 16:00 CET |
| Duración | 1 h (10-15 minutos para Q&A) |
| Formato | Webinar |
| Idioma | Inglés |
Sobre la sesión
Con la aparición constante de nuevos modelos de traducción automática, ¿cómo saber cuándo merece la pena cambiar de motor y cuál ofrecerá los mejores resultados para un caso de uso, una combinación lingüística o un ámbito temático determinados?
En este webinar mostraremos cómo tomar decisiones fundamentadas en datos combinando métricas automáticas, evaluación humana y el análisis del grado de correlación entre ambas. Presentaremos una plataforma de evaluación desarrollada por imaxin que reúne estos procesos en un mismo entorno y permite a los proveedores de servicios lingüísticos comparar sistemas de traducción automática, identificar el más adecuado para cada caso de uso y reducir el tiempo dedicado a la posedición y la revisión humana.
Contenidos
- Evolución de los sistemas de traducción automática: de los sistemas basados en reglas a los modelos neuronales y los LLM.
- Evolución de los métodos de evaluación: métricas automáticas, evaluación humana y sus limitaciones.
- Retos de la evaluación en entornos profesionales y experiencia de imaxin con distintos modelos y pares lingüísticos.
- Vera: integración de la evaluación automática y humana en una misma plataforma.
- El proceso de evaluación con Vera: preparación de referencias, métricas, anotación MQM y análisis de resultados.
- De los resultados a las decisiones: significación estadística, acuerdo entre personas evaluadoras, correlación y selección del sistema más adecuado.
Ponente
Sofía García
Lingüista computacional
Sobre Vera
Vera es una plataforma web desarrollada por imaxin para evaluar y comparar sistemas de traducción automática. Integra en un mismo entorno métricas automáticas (BLEU, COMET, chrF++, TER) y evaluación humana, permitiendo analizar la calidad de las traducciones desde una perspectiva tanto cuantitativa como lingüística.
La plataforma facilita el trabajo colaborativo de las personas evaluadoras, analiza la correlación entre los resultados automáticos y humanos y genera informes con los datos obtenidos. Así, permite comparar motores de traducción y tomar decisiones basadas en evidencia para seleccionar el más adecuado para cada par de lenguas, ámbito temático o caso de uso, con un proceso más eficiente y trazable.
¿Tienes un proyecto?
Pídenos presupuesto sin compromiso.