联系我们
 课程时长 21 小时

课程大纲

LLM翻译系统简介

  • 理解神经机器翻译(NMT)及其局限性
  • LLM架构概览及其翻译能力
  • 传统机器翻译与LLM翻译的比较

使用专有和开源LLM

  • 使用OpenAI、Deepseek、Qwen和Mistral模型进行翻译
  • 性能与延迟的权衡
  • 为工作流选择合适的模型

使用LangChain构建翻译流水线

  • LLM翻译的流水线设计原则
  • 使用LangChain实现翻译链
  • 管理上下文窗口和令牌使用

自动化翻译工作流

  • 使用Python和自动化工具调度翻译任务
  • 处理多语言批处理作业
  • 与本地化管理系统集成

提升翻译质量

  • 用于上下文感知翻译的提示工程
  • 后期编辑自动化和人机协同设计
  • 特定领域翻译的微调策略

评估和监控翻译流水线

  • 自动质量评估(AQE)和BLEU分数评估
  • 日志、分析和流水线可观测性
  • 错误处理和回退机制

扩展和部署翻译系统

  • 使用Docker和无服务器框架进行云部署
  • 大规模翻译的负载均衡和并行处理
  • 安全性、合规性和数据隐私考量

将翻译流水线集成到企业基础设施中

  • 将翻译API连接到CMS、ERP和L10n平台
  • 在大规模下管理成本和性能
  • 企业本地化的治理和审批工作流

总结与后续步骤

要求

  • 了解Python编程
  • 具有API集成和工作流自动化经验
  • 熟悉机器学习概念和语言模型

受众

  • 机器学习工程师
  • 本地化与翻译技术专家
  • 软件架构师和工程负责人

即将举行的公开课程

课程分类