MITRA-MT: अनुवादस्य अङ्कः बौद्धग्रन्थपाठकाय किं ज्ञापयति, किं न ज्ञापयति?

खण्डशः परीक्षितव्यः अनुवादकः

Sebastian Nehrdich तथा Kurt Keutzer इत्यनयोः MITRA-MT-विषयकं शोधपत्रं 2026-अक्टोबरस्य 28–29 इति दिनाङ्किते WMT-सम्मेलनग्रन्थे विद्यते। तत्र बौद्धसाहित्यस्य भाषाभ्यः अनुकूलितं 9,000,000,000 प्राचलयुक्तं प्रतिरूपं वर्णितम्। वाक्यस्तरे 17 अनुवाददिशां मूल्याङ्कनं कृतम्; तासु दशसु परिच्छेदस्तरेऽपि परीक्षणम् अभवत्। अत्र तस्य प्रकाशनस्य विश्लेषणं क्रियते, न तु प्रतिरूपम् अद्यैव प्रकाशितमिति दावा। MITRA-lexicon ग्रन्थेषु प्रमाणितान् शब्दानां अनुवादसम्बन्धान् अन्विष्यति; MITRA-MT तु पाठखण्डानाम् अनुवादान् जनयति। ^{[1] [2]}

प्रथमं पाठसंग्रहस्य संस्करणं निश्चितं कुरुत

शोधपत्रे MITRA-parallel v2 वर्णितम्: संस्कृत-भोट-बौद्धचीनीभाषासु 2,338,400 पाठांशयुग्मानां प्रतिनिधित्वं कुर्वन्तः 1,693,730 स्वचालितसंरेखणाभिलेखाः सन्ति। एकः अभिलेखः अनेकान् पाठांशान् सम्बद्धान् कर्तुं शक्नोति; एते न ग्रन्थानां सङ्ख्या, न वा मनुष्यैः अनुमोदितानाम् अनुवादानां सङ्ख्या। अक्टोबरस्य 31 तमे दिने अस्माकं परीक्षणकाले संग्रहस्थाने v3 वर्तमानसंस्करणत्वेन निर्दिष्टम् आसीत्। तस्मिन् 1,690,655 अभिलेखाः तथा संरेखणानि परीक्ष्य संशोधयितुं प्रशिक्षितं प्रतिरूपम् अस्ति। स्वचालितसंशोधनं विशेषज्ञस्य अनुमोदनं न भवति। v2-विषयकानि फलानि केवलं नाम परिवर्त्य v3-गुणवत्तायाः प्रमाणत्वेन न दर्शनीयानि। ^{[3] [4]}

पुनरुत्पादनीयतायाः अपराऽपि सीमा अस्ति: सम्बद्धं प्रतिरूपपरिचयपत्रं CPO-प्रशिक्षणं वर्णयति, शोधपत्रस्य 4.3 विभागे तु GRPO-पर्यायस्य मूल्याङ्कनं कृतम्। अवतारणयोग्यं संशोधनं परीक्षितपर्यायेण सर्वथा समानमिति अस्माभिः निश्चितं कर्तुं न शक्यम् अभवत्। ^{[2] [5]}

उच्चाङ्कः सम्यगर्थस्य प्रतिशतं नास्ति

संस्कृतात् भोटभाषायाम् अनुवादे लेखकौ MITRA-MT कृते chrF 55.0 तथा Qwen3.5-122B कृते 33.4 इति निवेदयतः। chrF सन्दर्भानुवादैः सह अक्षरक्रमाणां साम्यं मापयति; 55.0 इत्यस्य अर्थः अर्थशुद्धता 55% इति न भवति। चतुर्थतालिकायां लघुतरायां तुलनायां निर्णायकत्वेन प्रयुक्ते द्वे भाषाप्रतिरूपे समग्रतः वाणिज्यिकप्रणालीभ्यः उच्चतराणि मूल्याङ्कनानि अदत्ताम्। प्रकाशितानां v2-संरेखणानां प्रतिनिधिमूलकं मानवीयपरीक्षणं न कृतमित्यपि शोधपत्रे उक्तम्। एतानि विशिष्टपरीक्षासु आशाजनकानि फलानि, न तु प्रत्येकस्य बौद्धपाठखण्डस्य विश्वसनीयव्याख्यायाः प्रमाणानि। एकभाषिकप्रशिक्षणपाठेभ्यः मूल्याङ्कनसंग्रहेण सह पुनरावृत्ताः अंशाः न निष्कासिताः; अतः पूर्णतः अदृष्टेषु पाठेषु कार्यक्षमता अद्यापि अनिश्चिता। ^[2]

शोधपत्रस्य, प्रतिरूपभाराणां, पाठानां च अनुमतयः भिन्नाः

ACL शोधपत्रस्य अनुज्ञां CC BY 4.0 इति निर्दिशति; अनुवादप्रतिरूपस्य परिचयपत्रे Apache-2.0 इति घोषितम्। अनयोः किमपि सर्वेषां मूलपाठानाम् अनुज्ञां न ददाति। v2 README अनुज्ञाविषये संग्रहस्य मूलस्थानीयं README द्रष्टुं निर्दिशति; किन्तु अक्टोबरस्य 31 तमे दिने परीक्षिते मूल-README तथा v3 README इत्यनयोः समग्रपाठसंग्रहस्य सामान्य-अनुज्ञा न उक्ता। मूल्याङ्कनसंग्रहस्य README प्रत्येकस्य मूलस्रोतसः शर्ताः अनुसर्तुं निर्दिशति, Lotsawa House-सामग्रीं च CC BY-NC 4.0 इति दर्शयति। चयनितसञ्चिकायाः पुनर्वितरणात् अथवा प्रशिक्षणार्थम् उपयोगात् पूर्वं प्रयोज्याः शर्ताः निश्चिनुत; सार्वजनिकोपलब्धिमात्रेण पुनरुपयोगस्य अनुमतिः न सिद्ध्यति। ^{[1] [3] [4] [5] [6]}

महति पाठसंग्रहे विश्वासात् पूर्वं लघुः अभ्यासः

अस्माकं प्रस्तावितः पठनाभ्यासः अयम्: उपयोक्तुम् अनुमतः, मूलपाठेन तुलयितुं शक्यश्च लघुः पाठखण्डः चीयताम्। ग्रन्थः, संस्करणम्, खण्डस्य परिचयचिह्नम्, पाठसंग्रहसंस्करणं प्रतिरूपस्य संशोधनाङ्कश्च लिख्यन्ताम्। मूलपाठः, सन्दर्भानुवादः, यन्त्रकृतप्रारूपं च पार्श्वे पार्श्वे स्थाप्यन्ताम्। लुप्ताः प्रतिषेधाः, अनिश्चितानि नामानि, न्यूनानि वाक्याङ्गानि, पारिभाषिकशब्दाश्च चिह्न्यन्ताम्। प्रवाहपूर्णा भाषा एते सर्वे यथावत् रक्षिताः इत्यस्य प्रमाणं नास्ति।

ततः योग्यं पाठकं प्रार्थयध्वं यत् सः चिह्नितस्थलानि सन्दर्भे परीक्षेत; संशोधनं तस्य कारणं च रक्षत। भेदः दोषः न भवेत्, युक्तः अनुवादविकल्पोऽपि भवितुम् अर्हति। अनेन अभ्यासेन एकस्य खण्डस्य लिखितसमीक्षा लभ्यते; समग्रप्रतिरूपस्य शुद्धतायाः अनुपातः न सिद्ध्यति। अपरीक्षितानि प्रारूपाणि तादृशत्वेन एव चिह्नितानि तिष्ठेयुः।

सम्पादकीयकार्यस्य सीमा

अस्माभिः शोधपत्रं सम्बद्धानि प्रलेखानि च परीक्षितानि, किन्तु प्रशिक्षणं वा मानकपरीक्षाः वा पुनः न कृताः। विषयान्वेषणाय Perplexity Deep Research प्रयुक्तम्; लेखः सर्वाणि 13 भाषासंस्करणानि च कृत्रिमबुद्धिसहायेन रचितानि तुलितानि च। विशेषज्ञैः भाषापरिशोधनम् अद्यापि न समाप्तम्। हस्तलिखितपत्रस्य चित्रम् ऐतिहासिकसन्दर्भं दर्शयति; चित्रितं पत्रं प्रशिक्षणदत्तांशेषु आसीदिति प्रमाणं नास्ति।