MITRA-MT: පරිවර්තන ලකුණකින් බෞද්ධ පාඨ කියවන්නාට දැනගත හැක්කේ කුමක්ද?

කොටසින් කොටස පරීක්ෂා කළ යුතු පරිවර්තකයෙක්

Sebastian Nehrdich සහ Kurt Keutzerගේ MITRA-MT පත්‍රිකාව 2026 ඔක්තෝබර් 28–29 ලෙස දින දක්වා ඇති WMT සම්මන්ත්‍රණ ප්‍රකාශනයේ ඇතුළත් වේ. එහි බෞද්ධ සාහිත්‍ය භාෂා සඳහා අනුවර්තනය කළ පරාමිති බිලියන 9ක ආකෘතියක් සහ වාක්‍ය මට්ටමේ පරිවර්තන දිශා 17ක ඇගයීමක් විස්තර කරයි; ඉන් දහයක් ඡේද මට්ටමේදීත් පරීක්ෂා කර ඇත. මෙය එම ප්‍රකාශනයේ විග්‍රහයක් මිස ආකෘතිය අද නිකුත් වූ බවට ප්‍රකාශයක් නොවේ. පාඨවල සැබැවින් හමු වන වචන සමානතා සොයන MITRA-lexicon මෙන් නොව MITRA-MT පාඨ කොටස්වල පරිවර්තන ජනනය කරයි. ^{[1] [2]}

මුලින්ම පාඨ සංග්‍රහයේ අනුවාදය තහවුරු කරන්න

පත්‍රිකාව MITRA-parallel v2 විස්තර කරයි: සංස්කෘත, ටිබෙට් සහ බෞද්ධ චීන අතර පාඨ කොටස් යුගල 2,338,400ක් නියෝජනය කරන ස්වයංක්‍රීයව ගැළපූ වාර්තා 1,693,730කි. එක් වාර්තාවකට කොටස් කිහිපයක් සම්බන්ධ විය හැකිය; මේවා පොත් ගණන හෝ මිනිසුන් අනුමත කළ පරිවර්තන ගණන නොවේ. ඔක්තෝබර් 31 දින අප පරීක්ෂා කරන විට ගබඩාව දැනටමත් v3 වත්මන් අනුවාදය ලෙස දක්වා තිබූ අතර එහි වාර්තා 1,690,655ක් සහ ගැළපීම් පරීක්ෂා කර නිවැරදි කරන පුහුණු ආකෘතියක් තිබුණි. ස්වයංක්‍රීය නිවැරදි කිරීම විශේෂඥ අනුමැතියක් නොවේ. v2 සඳහා වාර්තා කළ ප්‍රතිඵල v3ගේ ගුණාත්මකභාවයේ සාක්ෂි ලෙස සරලව නැවත නම් කළ නොහැකිය. ^{[3] [4]}

ප්‍රතිඵල නැවත ලබාගැනීමේ තවත් සීමාවක් ඇත: සම්බන්ධිත ආකෘති කාඩ්පත CPO පුහුණුව විස්තර කරන අතර පත්‍රිකාවේ 4.3 කොටස GRPO checkpoint එකක් ඇගයීමට ලක් කරයි. බාගත කළ හැකි සංශෝධනය සහ ඇගයූ checkpoint එක අතර නිශ්චිත ගැළපීමක් අපට තහවුරු කළ නොහැකි විය. ^{[2] [5]}

ඉහළ ලකුණක් නිවැරදි අර්ථයේ ප්‍රතිශතයක් නොවේ

සංස්කෘතයෙන් ටිබෙට් භාෂාවට පරිවර්තනයේදී කතුවරු MITRA-MT සඳහා chrF 55.0ක් සහ Qwen3.5-122B සඳහා 33.4ක් වාර්තා කරති. chrF මනිනුයේ යොමු පරිවර්තන සමඟ අක්ෂර අනුක්‍රමවල සමානත්වයයි: 55.0 යනු අර්ථමය නිරවද්‍යතාව 55% බව නොවේ. වගුව 4හි කුඩා සංසන්දනයේදී විනිශ්චයකරුවන් ලෙස යොදාගත් භාෂා ආකෘති දෙක සමස්තයක් ලෙස වාණිජ පද්ධතිවලට වඩා කැමැත්ත දැක්වූහ. නිකුත් කළ v2 ගැළපීම් සඳහා නියෝජිත නියැදියක් මත මානව විගණනයක් සිදු නොකළ බවද පත්‍රිකාව සඳහන් කරයි. මේවා නිශ්චිත පරීක්ෂණවල බලාපොරොත්තු තැබිය හැකි ප්‍රතිඵල මිස සෑම බෞද්ධ පාඨයක්ම විශ්වාසවන්තව අර්ථකථනය කිරීමේ සාක්ෂියක් නොවේ. ඒකභාෂික පුහුණු පාඨවලින් ඇගයීම් කට්ටලය සමඟ අතිච්ඡාදනය ඉවත් කර නොතිබූ බැවින්, කිසිදා දැක නැති පාඨවල කාර්යසාධනය තවම අවිනිශ්චිතය. ^[2]

පත්‍රිකාව, ආකෘති බර සහ පාඨ සඳහා කොන්දේසි වෙනස්ය

ACL පත්‍රිකාව CC BY 4.0 යටතේ දක්වන අතර පරිවර්තන ආකෘති කාඩ්පත Apache-2.0 ප්‍රකාශ කරයි. එම ප්‍රකාශ දෙකෙන් කිසිවක් සියලු මුල් පාඨවලට අවසරයක් නොදෙයි. v2 README බලපත්‍රය සඳහා ගබඩාවේ මූලයට යොමු කරයි; එහෙත් ඔක්තෝබර් 31 පරීක්ෂා කළ මූල README හා v3 README සමස්ත පාඨ සංග්‍රහයට බලපත්‍රයක් නොදක්වයි. ඇගයීම් README එක් එක් මුල් මූලාශ්‍රයේ කොන්දේසි වෙත යොමු කරන අතර Lotsawa House ද්‍රව්‍ය CC BY-NC 4.0 ලෙස හඳුන්වයි. තෝරාගත් ගොනුව නැවත බෙදාහැරීමට හෝ පුහුණුවට යොදාගැනීමට පෙර අදාළ කොන්දේසි තහවුරු කරන්න; ප්‍රසිද්ධව ලබාගත හැකි වීම පමණක් නැවත භාවිතයට අවසරය තීරණය නොකරයි. ^{[1] [3] [4] [5] [6]}

විශාල පාඨ සංග්‍රහයක් විශ්වාස කිරීමට පෙර කුඩා අභ්‍යාසයක්

අප යෝජනා කරන කියවීමේ අභ්‍යාසය මෙසේය: භාවිතයට අවසර ඇති, මුල් පාඨය සමඟ සැසඳිය හැකි කෙටි කොටසක් තෝරන්න. කෘතිය, සංස්කරණය, පාඨ කොටසේ හැඳුනුම, සංග්‍රහ අනුවාදය හා ආකෘති සංශෝධනය සටහන් කරන්න. මුල් පාඨය, යොමු පරිවර්තනය සහ යන්ත්‍ර කෙටුම්පත එක ළඟ තබන්න. මඟහැරුණු නිෂේධන, සැක සහිත නම්, නැති වාක්‍ය කොටස් සහ තාක්ෂණික පද සලකුණු කරන්න; සුමට භාෂාව ඒවා නොවෙනස්ව පවතින බවට සාක්ෂියක් නොවේ.

ඉන්පසු සුදුසු දැනුමක් ඇති පාඨකයෙකුගෙන් සලකුණු කළ තැන් සන්දර්භය තුළ පරීක්ෂා කරන ලෙස ඉල්ලා, නිවැරදි කිරීම හා එයට හේතුව දෙකම තබාගන්න. වෙනසක් වැරැද්දක් වෙනුවට පිළිගත හැකි පරිවර්තන තේරීමක් විය හැකිය. මෙම අභ්‍යාසයෙන් ලැබෙන්නේ එක් කොටසක ලේඛනගත සමාලෝචනයකි; එයින් සමස්ත ආකෘතියේ නිරවද්‍යතා අනුපාතයක් තහවුරු කළ නොහැකිය. පරීක්ෂා නොකළ කෙටුම්පත් ඒ බව පැහැදිලිව දක්වමින් තැබිය යුතුය.

සංස්කරණ කාර්යයේ සීමාව

අප පත්‍රිකාව සහ සම්බන්ධ ලේඛන පරීක්ෂා කළ නමුත් පුහුණුව හෝ මිණුම් පරීක්ෂණ නැවත ක්‍රියාත්මක කළේ නැත. මාතෘකාව සෙවීමට Perplexity Deep Research භාවිත කළ අතර ලිපිය හා භාෂා අනුවාද 13ම AI සහාය ඇතිව සකස් කර සසඳන ලදී. විශේෂඥ භාෂා සෝදුපත් බැලීම තවම අවසන් නැත. අත්පිටපත් රූපය ඓතිහාසික පසුබිම සඳහාය; එහි පෙනෙන පත්‍රය පුහුණු දත්තවල තිබූ බවට සාක්ෂියක් නොවේ.