MITRA-MT: что оценка машинного перевода говорит читателю буддийских текстов

Переводчик, который требует проверки каждого фрагмента

Статья Себастьяна Нердиха и Курта Койцера о MITRA-MT вошла в сборник WMT, датированный 28–29 октября 2026 года. Она описывает модель с 9 миллиардами параметров, адаптированную к языкам буддийской литературы, и оценку 17 направлений перевода на уровне предложений; десять из них проверяли также на уровне абзацев. Здесь мы разбираем эту публикацию, а не утверждаем, что модель выпущена сегодня. В отличие от MITRA-lexicon, который находит засвидетельствованные соответствия слов, MITRA-MT создаёт переводы фрагментов. ^{[1] [2]}

Сначала уточните версию корпуса

В статье описан MITRA-parallel v2: 1,693,730 автоматически сопоставленных записей, представляющих 2,338,400 пар сегментов на санскрите, тибетском и буддийском китайском. Одна запись может связывать несколько сегментов; это не число книг или переводов, одобренных человеком. При проверке 31 октября текущей версией репозитория уже была v3 с 1,690,655 записями и обученной моделью, проверяющей и исправляющей соответствия. Такая автоматическая коррекция не означает одобрения специалистом. Результаты для v2 нельзя просто переименовать в доказательства качества v3. ^{[3] [4]}

Есть и другое ограничение воспроизводимости: карточка доступной модели описывает обучение CPO, тогда как раздел 4.3 статьи оценивает вариант после GRPO. Точное соответствие скачиваемой ревизии и проверенного в статье варианта подтвердить не удалось. ^{[2] [5]}

Высокая оценка — не процент правильно переданного смысла

Для перевода с санскрита на тибетский авторы сообщают 55.0 chrF у MITRA-MT против 33.4 у Qwen3.5-122B. chrF измеряет совпадение последовательностей символов с эталонными переводами: 55.0 не означает 55% смысловой точности. В меньшем сравнении из таблицы 4 две языковые модели, выступавшие оценщиками, в целом предпочли коммерческие системы. Авторы также сообщают об отсутствии репрезентативной человеческой проверки опубликованных соответствий v2. Это перспективные результаты в конкретных тестах, но не доказательство надёжного толкования любого буддийского фрагмента. Одноязычные обучающие тексты не очищались от пересечений с оценочным набором, поэтому качество на полностью незнакомых текстах остаётся неопределённым. ^[2]

Статья, веса модели и тексты имеют разные условия использования

ACL указывает для статьи CC BY 4.0, а карточка переводческой модели — Apache-2.0. Ни одно из этих указаний не лицензирует все исходные тексты. README версии v2 отсылает по вопросу лицензии к корню репозитория; проверенные 31 октября корневой README и README версии v3 не указывают общую лицензию корпуса. README оценочного набора направляет к условиям каждого первоисточника и обозначает материалы Lotsawa House как CC BY-NC 4.0. Перед распространением выбранного файла или его использованием для обучения подтвердите применимые условия: открытый доступ сам по себе не решает вопрос о разрешении на повторное использование. ^{[1] [3] [4] [5] [6]}

Небольшое упражнение перед доверием к большому корпусу

Предлагаем такое упражнение: выберите короткий фрагмент, который разрешено использовать и который вы можете сверить с оригиналом. Запишите произведение, издание, идентификатор фрагмента, версию корпуса и ревизию модели. Поставьте рядом оригинал, опорный перевод и машинный черновик. Отметьте пропущенные отрицания, неуверенно переданные имена, отсутствующие части предложений и специальные термины; гладкость изложения не доказывает их сохранности.

Затем попросите квалифицированного читателя рассмотреть отмеченные места в контексте и сохраните каждую поправку вместе с её обоснованием. Различие может быть допустимым переводческим решением, а не ошибкой. Это упражнение даёт документированный разбор одного фрагмента, но не позволяет установить точность всей модели. Непроверенные черновики должны сохранять соответствующую пометку.

Границы редакционной работы

Мы проверили статью и связанную документацию, но не повторяли обучение или оценочные эксперименты. Для поиска темы использовали Perplexity Deep Research; материал и все 13 языковых версий подготовлены и сопоставлены с помощью ИИ. Специалистам ещё предстоит языковая вычитка. Иллюстрация рукописи даёт исторический контекст и не свидетельствует о том, что изображённый лист входил в обучающие данные.