Bibliographic record
Abstract
II arrive souvent, dans les services de traduction, que l'on soit obligé de morceler les textes volumineux. Dans une telle situation, il incombe généralement au réviseur de fusionner les parties traduites par les différents traducteurs et de faire en sorte que le tout soit cohérent. Un élément important de cette tâche est d'assurer la cohérence terminologique. Intuitivement, ce que l'on veut dire par cohérence terminologique ici est assez clair : chaque unité terminologique doit être traduite de la même façon partout dans le texte. Au CITI, nous développons un outil d'aide à l'intention du réviseur (qui peut être le traducteur lui-même) dont le but est de valider certaines propriétés d'un texte traduit. Appelé TransCheck, le premier prototype de ce système est décrit en détail dans Macklovitch (1994). Dans cet article, nous décrivons les premiers essais pour incorporer la vérification de la cohérence terminologique dans le système TransCheck. L'idée de base est assez simple : le réviseur fournit un lexique au système; ensuite, TransCheck balaie deux textes alignés et signale chaque occurrence d'un terme source qui n'est pas traduit par le terme cible désigné dans le lexique. Les résultats de ces expériences nous ont montré qu'une définition naïve de la cohérence terminologique, telle que celle donnée ci-dessus, est trop rigide et simpliste; mais la ventilation du bruit généré nous indique clairement comment il faudra assouplir l'application de cette définition par le système pour que la validation automatique de la cohérence terminologique devienne praticable.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.002 | 0.000 |
| Research integrity | 0.000 | 0.002 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one teacher head, not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".