Chraňte zástupné symboly, odkazy a identifikátory při AI překladu

Některé z nejdůležitějších částí překladu by se vůbec překládat neměly.

Proměnné, URL, ID záznamů, odkazy na assety, ukázky kódu a značky formátování nesou funkci, nikoli prózu. Model může vytvořit přirozeně znějící větu a zároveň nenápadně změnit jeden z těchto prvků a narušit tím okolní prostředí.

Spolehlivý AI překlad začíná oddělením jazyka od struktury.

Určete chráněný obsah před zadáním promptu

Nespoléhejte se na obecnou instrukci jako „zachovejte zástupné symboly“. Nejprve určete přesné tokeny a uzly, které musí zůstat beze změny.

Chráněný obsah běžně zahrnuje:

• proměnné interpolace jako {first_name} nebo {{ total }}
• syntaxi zpráv ICU a selektory plurálu
• URL, e-mailové adresy a fragmenty tras
• HTML atributy a cíle markdown odkazů
• reference na záznamy a assety v Contentful
• úseky kódu, bloky kódu s ohraničením a hodnoty API
• názvy produktů označené jako nepřeložitelné

Model obsahu a typ pole by měly pomoci určit pravidla ochrany. Dokument ve formátu rich text vyžaduje strukturální zpracování, které se liší od prostého textového titulku.

Nahraďte rizikové hodnoty stabilními tokeny

U prostých řetězců je jedním z robustních přístupů extrahovat chráněné hodnoty a před překladem je nahradit jednoznačnými dočasnými tokeny.

Model vidí okolní jazyk, ale nemůže omylem přepsat cílovou URL nebo identifikátor. Po vygenerování workflow obnoví původní hodnoty z mapy na straně serveru.

Tokeny by měly být jedinečné, obtížně zaměnitelné s přirozeným jazykem a před obnovením validované. Nikdy nedůvěřujte modelu, že sám správně reprodukuje mapu.

Překládejte rich text jako strukturu

Zploštění stromu rich textu do markdownu nebo HTML může ztratit důležité rozdíly.

Textové uzly jsou přeložitelné. Odkazy, vložené záznamy, typy uzlů a značky jsou strukturální. Projděte strom dokumentu, přeložte způsobilé textové listy a znovu sestavte původní hierarchii s nedotčenými referencemi.

To také zlepšuje kontrolu. Editoři mohou porovnávat stejnou strukturu v obou jazycích místo kontroly serializované aproximace, která může skrývat chybějící nebo přeuspořádané uzly.

Před uložením výstup validujte

Ochrana potřebuje uzavřenou smyčku.

Po překladu ověřte, že se každý očekávaný token objevuje přesně tam, kde to formát dovoluje, a že nebyl zaveden žádný neznámý token. Strukturované formáty parsujte místo toho, abyste je kontrolovali volným porovnáním řetězců.

Užitečná selhání jsou konkrétní:

• chybějící zástupný symbol {total}
• změněný cíl odkazu v poli ctaBody
• neplatná syntaxe ICU v jazyce de
• neočekávaný počet uzlů rich textu

Odmítnutí chybně formátovaného výstupu na této hranici je bezpečnější, než nechat problém projevit se při vykreslování nebo, což je horší, po publikování.

Zobrazujte chráněné prvky při kontrole

Kontroloři by měli být schopni rozpoznat funkční obsah, aniž by jím byli rušeni.

Použijte jemné stylování pro zástupné symboly a chráněné termíny. Umožněte upravovat text odkazu, ale cíl ponechte viditelný a odděleně řízený. U vloženého obsahu zobrazte vedle neměnného ID popisek čitelný pro člověka.

Pokud kontrolor záměrně potřebuje změnit URL pro cílový trh, považujte to za samostatné rozhodnutí o lokalizovaném poli, nikoli za náhodný vedlejší efekt překladu prózy.

Testujte na adversariálních příkladech

Šťastná cesta nestačí. Zahrňte řetězce s opakovanými proměnnými, sousedící interpunkcí, vnořeným markdownem, tvary plurálu, textem psaným zprava doleva a zástupnými symboly, které připomínají běžná slova.

Logika ochrany by měla prokázat, že umí tyto případy bezeztrátově přenést tam a zpět, než jí svěříte produkční obsah.

Hlavní sdělení

Kvalita překladu zahrnuje i funkční integritu.

Extrahujte chráněný obsah, překládejte pouze způsobilý jazyk, zachovejte strukturu rich textu, validujte výsledek a během kontroly jasně odlište funkční prvky. Plynulá věta má hodnotu jen tehdy, když stránka po publikování stále funguje.