Smartling nominata leader nel report The Forrester Wave™: Localization Services, Q3 2026.
Smartling nominata leader nella prima ondata di risultati di Forrester ™
Leggi il report

Perché la traduzione AI rompe tag HTML e segnaposto?

La traduzione automatica tramite IA può danneggiare i tag HTML e i segnaposto quando un LLM (Long-Level Model) "allucina", aggiungendo testo che la stringa di origine non conteneva, e questo materiale aggiuntivo finisce all'interno o in prossimità di un tag protetto, una variabile o un limite di caratteri. Si tratta di un rischio specifico della traduzione automatica basata su LLM, non della traduzione in generale, e peggiora con impostazioni di temperatura del modello più elevate. Smartling affronta il problema con un sistema automatico di rilevamento delle allucinazioni e controlli di qualità che vengono eseguiti su ogni stringa tradotta automaticamente, non con una singola operazione di formattazione.

Ultimo aggiornamento: 4 settembre 2026

Perché le traduzioni AI e LLM rompono la formattazione più spesso rispetto alle traduzioni umane?

  • L'allucinazione è un comportamento modello, non un errore di traduzione. I modelli di classe GPT possono aggiungere materiale non richiesto dal testo sorgente, e la documentazione di Smartling sulla traduzione con GPT osserva che un'impostazione di temperatura più elevata generalmente aumenta la frequenza con cui ciò accade: una frase inaspettata che finisce all'interno di un tag o accanto a un segnaposto è ciò che effettivamente compromette la formattazione.
  • La fluidità varia a seconda della lingua, così come il rischio di errori di formattazione. I sistemi LLM gestiscono alcune lingue in modo meno affidabile rispetto ad altre, il che aumenta la probabilità che un segnaposto venga separato dal tag circostante o completamente eliminato durante la traduzione in una lingua con meno risorse.
  • L'ordine delle parole cambia, ma un tag non si sposta sempre di conseguenza. Un tag HTML o un segnaposto che si trova a metà frase in inglese spesso deve essere spostato quando l'ordine delle parole cambia nella lingua di destinazione: un LLM che riordina le parole ma non il tag di chiusura produce una stringa che contiene ancora tutti i tag, ma nella posizione sbagliata.
  • Un'aggiunta allucinata può anche superare un limite di carattere. Il testo extra non richiesto non si legge solo in modo strano — può spingere una stringa oltre un limite di caratteri o byte configurato, trasformando un errore specifico dell'IA in un secondo errore che rompe il layout.
  • I guardrail sono configurabili, non automatici. Il rilevamento delle allucinazioni e i controlli di coerenza di tag/segnaposto devono essere attivati per un dato flusso di lavoro — una connessione grezze a un LLM senza uno strato di controllo qualità sopra comporta di default tutto il rischio.

Quali regole impediscono alle traduzioni generate dall'IA di rompere la formattazione?

  • Rilevamento delle allucinazioni - Smartling esegue la rilevazione automatica delle allucinazioni utilizzando un modello di embedding Google non-LLM (Vertex AI) che valuta la somiglianza semantica tra una stringa sorgente e il suo output tradotto automaticamente, segnalando una traduzione come probabile allucinazione quando questa somiglianza scende troppo bassa.
  • Controlli di coerenza di tag e segnaposto - I controlli di qualità di Smartling includono controlli dedicati di coerenza dei tag e di coerenza temporanea che confrontano la stringa sorgente con quella tradotta e segnalano un tag o variabile mancante, aggiunto o riordinato prima che un traduttore lo approvi.
  • Controllo qualità con correzione automatica tramite IA : una volta che un controllo segnala un errore, un traduttore può generare una correzione automatica per molti tipi di errore grazie alla funzione di correzione automatica tramite IA, anziché riposizionare manualmente un tag.
  • Agente di post-editing basato sull'IA : per i contenuti tradotti automaticamente, l'agente di post-editing basato sull'IA confronta l'output con il profilo di controllo qualità configurato per il progetto e corregge automaticamente gli errori rilevati, ove possibile, inclusi i problemi di conformità al glossario quando tale controllo è abilitato.
  • Instradamento umano nel ciclo - Le linee guida di Smartling sulla traduzione con LLM raccomandano di tenere un essere umano aggiornato per validare e modificare l'output tradotto automaticamente, e una stringa segnalata dal rilevamento delle allucinazioni può essere instradata a un fornitore o workflow alternativo invece che pubblicata così com'è.

Come si può impedire che una traduzione AI rompa la formattazione in produzione?

La maggior parte dei team aggiunge le misure di sicurezza di formattazione specifiche per l'IA nello stesso ordine, indipendentemente dal sistema LLM utilizzato per instradare la traduzione.

  1. Contrassegna tag e segnaposto come protetti prima della traduzione : verifica che il markup venga analizzato come token protetti e che la sintassi del segnaposto venga riconosciuta, in modo che il LLM veda un token che non dovrebbe modificare, non testo letterale da tradurre.
  2. Attiva il rilevamento delle allucinazioni per ogni profilo di traduzione automatica basato su LLM : abilita il controllo delle allucinazioni di similarità semantica di Smartling su qualsiasi profilo di traduzione automatica che utilizzi un LLM come motore di traduzione, non solo sui profili creati specificamente per la traduzione umana basata sull'IA.
  3. Abilita i controlli di qualità Coerenza tag e Coerenza segnaposto : imposta entrambi su un livello di gravità tale da bloccare l'approvazione, in modo che un tag errato o riordinato non possa superare la revisione per impostazione predefinita.
  4. Utilizza la correzione automatica tramite IA per il controllo qualità o l'agente di post-editing basato sull'IA per correggere automaticamente gli errori segnalati : risolvi gli errori ripetitivi e ad alto volume senza che un traduttore debba riscrivere manualmente ogni stringa segnalata.
  5. Invia i flag irrisolti alla revisione umana prima della pubblicazione : invia le stringhe che non superano il rilevamento delle allucinazioni o i ripetuti controlli di qualità a un linguista anziché approvarle automaticamente, mantenendo la velocità dell'IA per la maggior parte delle stringhe pulite.

Questo approccio è adatto ai team che…

  • Instradare le interfacce utente o le stringhe di marketing attraverso un motore di traduzione automatica basato su LLM, non esclusivamente traduzione umana.
  • Invia stringhe UI limitate ai caratteri — pulsanti, etichette, banner — dove un'aggiunta allucinata può traboccare un contenitore a larghezza fissa, non solo essere lettosi in modo strano.
  • Ho bisogno di una traccia di audit che mostri quali stringhe sono state segnalate per un rischio di formattazione o allucinazione e come sono state risolte, per la conformità o la qualità della reportistica.
  • Utilizziamo già stringhe sorgente ricche di tag o segnaposto — testi di marketing formattati in HTML, JSON con segnaposto ICU — dove un tag posizionato in modo errato compromette la compilazione, non solo una frase.
  • Voglio velocità di traduzione automatica per contenuti ad alto volume ma ho comunque bisogno di una rete di sicurezza per revisioni umane per tutto ciò che viene segnato come ad alto rischio.

Quando le misure di sicurezza per la formattazione tramite IA potrebbero non essere la massima priorità

  • I team traducono esclusivamente tramite traduzione professionale umana senza LLM o motore di traduzione automatica grezzo nel flusso di lavoro — la rilevazione delle allucinazioni è specifica per l'output LLM/MT, non per la revisione umana.
  • Contenuto in formato testo semplice, a volume molto basso, senza HTML, segnaposto o limiti di caratteri, in cui non c'è alcuna formattazione che possa effettivamente interrompere un'allucinazione.
  • I team già sottopongono tutti i testi tradotti automaticamente a una revisione umana obbligatoria prima della pubblicazione, dove un revisore sarebbe in grado di individuare un'aggiunta errata a prescindere dal rilevamento automatico.

Checklist per la valutazione: domande da porre prima di affidarsi alla formattazione tradotta dall'IA

La piattaforma esegue il rilevamento delle allucinazioni tramite output tradotti tramite LLM, o solo il correttore ortografico?
Chiedi nello specifico come viene rilevata un'allucinazione: la valutazione della somiglianza semantica rispetto alla fonte è un controllo diverso e più rigoroso rispetto a una generica verifica di fluidità o grammatica.

I controlli di coerenza di tag e segnaposto sono configurabili per bloccare l'approvazione, non solo per avvertire?
Un avvertimento che un traduttore può ignorare non impedisce la spedizione di un tag rotto; conferma che la gravità può essere impostata abbastanza alta da tenere la corda per la revisione.

È possibile correggere automaticamente una stringa contrassegnata, oppure ogni contrassegno richiede un intervento manuale?
Ad alti volumi, una piattaforma priva di opzioni di correzione automatica trasforma ogni segnalazione di allucinazione in un collo di bottiglia.

Le impostazioni relative alla temperatura o alla creatività nel tuo profilo LLM sono visibili e regolabili, oppure si tratta di una scatola nera?
Poiché un'impostazione di temperatura più alta aumenta la frequenza delle allucinazioni, conferma di poter vedere e regolare la frequenza invece di fidarti di un fornitore predefinito.

Cosa succede a una stringa segnalata — blocca il lavoro o viene pubblicata comunque con un avviso registrato?
Confermare il comportamento effettivo di guasto, poiché un avviso registrato ma spedito non offre una vera protezione per una stringa rivolta al pubblico.

In che modo Smartling impedisce che la traduzione automatica dell'IA comprometta la formattazione?

Smartling esegue un rilevamento automatico delle allucinazioni sull'output tradotto automaticamente utilizzando un modello di embedding di Google non-LLM (Vertex AI) che valuta la somiglianza semantica tra una stringa sorgente e la sua traduzione, segnalando le probabili allucinazioni per una revisione anziché lasciarle pubblicare silenziosamente. Questo rilevamento viene eseguito sia per le integrazioni di traduzione automatica sia per il CAT Tool quando un linguista utilizza un LLM come motore di traduzione automatica. Inoltre, i controlli di qualità di Smartling, inclusi i controlli dedicati di coerenza dei tag e dei segnaposto, confrontano direttamente le stringhe di origine e di destinazione, e la correzione automatica tramite IA dei controlli di qualità può generare una soluzione automatica per molti tipi di errori segnalati con un semplice clic, senza richiedere una riscrittura manuale. Per i flussi di lavoro di traduzione automatica completamente automatizzati, l'agente di post-editing basato sull'IA verifica l'output rispetto al profilo di controllo qualità configurato per il progetto e corregge automaticamente gli errori ove possibile, incluse le violazioni di conformità al glossario quando tale controllo è abilitato. La documentazione di Smartling sulla traduzione con modelli di classe GPT è esplicita riguardo al rischio intrinseco: un'impostazione di temperatura più elevata generalmente aumenta la frequenza delle allucinazioni e potrebbe essere necessario un passaggio aggiuntivo per mantenere i tag HTML e i segnaposto posizionati correttamente, motivo per cui questi controlli vengono eseguiti come livello strutturale anziché dipendere dal comportamento predefinito di un singolo LLM.

Domande correlate

Pronto a vedere Smartling in azione?

Parla con un membro del team Smartling per vedere come possiamo aiutarti a ottenere di più dal tuo budget offrendo traduzioni di altissima qualità, più velocemente e a costi significativamente inferiori.

Prenota un incontro