Novo modelo, mellor tradución? Como saber cando paga a pena cambiar

Detalles do evento

Data24/11/2026
Hora16:00 CET
Duración1 h (10-15 minutos para Q&A) 
FormatoWebinar
IdiomaInglés

 

Sobre a sesión

Coa aparición constante de novos modelos de tradución automática, como podemos saber cando paga a pena cambiar de motor e cal ofrecerá os mellores resultados para un caso de uso, unha combinación lingüística ou un ámbito temático determinados?

Neste webinar mostraremos como tomar decisións fundamentadas en datos combinando métricas automáticas, avaliación humana e a análise do grao de correlación entre ambas. Presentaremos unha plataforma de avaliación desenvolvida por imaxin que reúne estes procesos nun mesmo contorno e permite ás empresas de servizos lingüísticos comparar sistemas de tradución automática, identificar o máis axeitado para cada caso de uso e reducir o tempo dedicado á postedición e á revisión humana.

 

Contidos

  • Evolución dos sistemas de tradución automática: dos sistemas baseados en regras aos modelos neuronais e aos LLM.

  • Evolución dos métodos de avaliación: métricas automáticas, avaliación humana e as súas limitacións.

  • Retos da avaliación en contornos profesionais e experiencia de imaxin con distintos modelos e pares lingüísticos.

  • Vera: integración da avaliación automática e humana nunha mesma plataforma.

  • O proceso de avaliación con Vera: preparación de referencias, métricas, anotación MQM e análise de resultados.

  • Dos resultados ás decisións: significación estatística, acordo entre persoas avaliadoras, correlación e selección do sistema máis axeitado.

 

Relatora

Sofía García
Lingüista computacional

 

Sobre Vera

Vera é unha plataforma web desenvolvida por imaxin para avaliar e comparar sistemas de tradución automática. Integra nun mesmo contorno métricas automáticas (BLEU, COMET, chrF++, TER) e avaliación humana, o que permite analizar a calidade das traducións desde unha perspectiva tanto cuantitativa como lingüística.

A plataforma facilita o traballo colaborativo das persoas avaliadoras, analiza a correlación entre os resultados automáticos e os humanos e xera informes cos datos obtidos. Deste xeito, permite comparar motores de tradución e tomar decisións baseadas en evidencia para seleccionar o máis axeitado para cada par de linguas, ámbito temático ou caso de uso, cun proceso máis eficiente e rastrexable.

Tes un proxecto?

Pídenos orzamento sen compromiso.