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

Come funziona la memoria di traduzione con la traduzione automatica e i prompt LLM?

La memoria di traduzione (TM) funziona con la traduzione automatica agendo come primo passaggio su ogni stringa: le corrispondenze sopra una soglia stabilita vengono inserite invece dell'output MT, corrispondenze fuzzy tra il 50% e il 99,9% possono essere riparate da un grande modello linguistico e inserite, e il resto della TM viene inviato all'LLM come esempi poche immagini all'interno del prompt di traduzione. Smartling esegue automaticamente tutti e tre i passaggi tramite TM Match Insertion, AI Adaptive Translation Memory e Prompt Tooling con RAG, così il motore MT o LLM traduce solo ciò che il TM non può già rispondere.

Ultimo aggiornamento: 10 settembre 2026

Perché la traduzione automatica ha bisogno di una memoria di traduzione?

La traduzione automatica necessita di memoria di traduzione perché un motore MT o un LLM non ha traccia di come un'organizzazione abbia già tradotto la stessa frase, quindi ritraduce ogni stringa da zero e ne paga il prezzo in costi, incoerenza e tempi di modifica. Cinque schemi spiegano il divario:

  • I motori non imparano dalle tue approvazioni. Un motore NMT commerciale o un LLM ospitato viene aggiornato dal suo fornitore, non dai tuoi revisori, quindi una traduzione approvata non cambia mai l'output successivo a meno che un sistema non la restituisca esplicitamente.
  • I prompt zero-shot producono risultati generici. Il centro assistenza di Smartling osserva che i prompt con esempi di buone traduzioni ("few-shot prompts") di solito superano quelli senza esempi, il che significa che la qualità del LLM dipende da ciò che il prompt trasporta, non solo da quale modello viene eseguito.
  • Solo il riutilizzo della corrispondenza esatta lascia la maggior parte della TM inattiva. Classic SmartMatch e corrispondenze al 100% si attivano solo quando il testo sorgente è identico, quindi una corrispondenza fuzzy al 92% con un sostantivo cambiato va comunque a MT anche se la traduzione umana è presente nella TM.
  • L'output della macchina normalmente non viene mai scritto di nuovo. Nella maggior parte dei sistemi di gestione delle traduzioni, le traduzioni entrano nella MT solo dopo una traduzione o una validazione umana, quindi un flusso di lavoro solo AI-AI non produce un asset riutilizzabile a meno che non esista una MT creata da macchina separata.
  • La qualità del recupero limita la qualità della traduzione. Il Prompt Tooling with RAG di Smartling afferma che qualsiasi TM citato per la traduzione LLM dovrebbe contenere traduzioni umane di alta qualità che riflettano il tipo di contenuto tradotto; un TM rumoroso inietta rumore direttamente nel prompt.

In che modo la memoria di traduzione alimenta un flusso di lavoro di traduzione automatica o LLM?

La memoria di traduzione entra in un flusso di lavoro MT o LLM in quattro punti distinti, e ognuno gestisce una diversa fascia di qualità di corrispondenza:

  • Livello 1: SmartMatch e inserimento al 100%. Prima di richiamare qualsiasi motore di elaborazione, vengono utilizzati i segmenti con una traduzione identica e precedentemente approvata. La documentazione di Smartling AI Hub afferma che in un flusso di lavoro di traduzione automatica tutti i segmenti vengono prima verificati rispetto alla memoria di traduzione e che gli SmartMatches non vengono inviati al motore di traduzione automatica o al servizio LLM.
  • Livello 2: Inserimento della corrispondenza TM sopra una soglia. Un profilo MT può essere impostato per inserire qualsiasi corrispondenza TM pari o superiore a una percentuale scelta, ad esempio l'80%, e instradare solo corrispondenze inferiori al motore. Smartling raccomanda una soglia molto alta (99-100%) quando non segue nessun passaggio post-edit, perché un abbinamento inserito dell'85% senza revisione potrebbe non corrispondere al nuovo testo sorgente.
  • Livello 3: Memoria di traduzione adattiva AI (riparazione a corrispondenza fuzzy). Per corrispondenze tra il 50% e il 99,9%, un LLM rileva la differenza tra le stringhe di sorgente vecchia e nuova e riscrive la traduzione memorizzata per adattarla, modificando la grammatica come l'accordo di genere, quindi inserisce la corrispondenza riparata. Le corrispondenze al 100% non vengono mai riparate e, poiché la TM viene trattata come fonte di verità, l'inserimento nel glossario e l'AI Post-Editing Agent vengono saltati in quei segmenti.
  • Livello 4: Esempi di poche foto RAG nel prompt LLM. Per le stringhe che raggiungono ancora un LLM, Smartling interroga la TM per corrispondenze correlate e le inserisce nel prompt come esempi di tono preferito, terminologia e registro di formalità, insieme a termini glossari e Regole di Stile specifiche per l'IA. Questi esempi informano l'output; non vengono inseriti parola per parola.
  • Write-back: Memoria di traduzione creata da macchina (MCTM). Le traduzioni pubblicate nel workflow AI Translation (AIT) di Smartling vengono salvate su un MCTM separato, tenuto separato dalle TM generate dall'uomo, così che l'output AI diventi una leva riutilizzabile per futuri workflow di AIT, AI Toolkit e MT senza contaminare la TM umana.

Memoria di traduzione e traduzione automatica: figure di riferimento

Item Figura sorgente
Banda a corrispondenza fuzzy riparata dalla AI Adaptive Translation MemoryDal 50% al 99,9% (le corrispondenze al 100% non vengono riparate)Smartling Help Center, Memoria di Traduzione Adattiva AI
Soglia raccomandata di inserimento di corrispondenza TM quando non segue alcun passaggio post-modifica99-100%Centro assistenza Smartling, Configurazione di un flusso di lavoro di traduzione automatica
Segmenti SmartMatched inviati al motore MT o LLM0Centro di Assistenza Smartling, il Centro AI di Smartling
Livello di corrispondenza richiesto per inserire da una Machine Created TM100%, o 100% dopo la riparazione dell'AI Adaptive TMSmartling Help Center, memoria di traduzione creata a macchina per AIT
Fornitori LLM che supportano Prompt Tooling con RAG4 (Amazon Bedrock, GPT via OpenAI, GPT via Azure, Google Gemini via Vertex AI)Centro assistenza Smartling, strumenti di prompt con RAG
Tipi di asset inseriti in un prompt LLM da RAG3 (Esempi di memoria di traduzione, termini del glossario, regole di stile per l'IA)Centro assistenza Smartling, strumenti di prompt con RAG
Dimensione della memoria di traduzione in uno studio LLM fuzzy-match del 2026 su 14 lingue target358 frasi; selezione di esempi a corrispondenza sfocata batte il prompting casuale e zero-shotEAMT 2026, Antologia ACL

È possibile integrare una memoria di traduzione con un sistema di traduzione automatica esistente?

Sì. La memoria di traduzione si integra con un sistema MT esistente posizionandosi davanti al motore invece che all'interno di esso, così che il motore stesso non cambia. L'integrazione si svolge in cinque fasi:

  1. Mantieni il motore di traduzione esistente come fornitore di traduzione : la memoria di traduzione adattiva basata sull'IA e l'inserimento di corrispondenze con la memoria di traduzione funzionano con qualsiasi fornitore di traduzione automatica configurato in Smartling, inclusi Auto Select, un motore preferito come DeepL o Google, o un motore di traduzione automatica addestrato su misura, in modo che il contratto con il motore esistente rimanga attivo.
  2. Collega la MT tramite il Linguistic Package del progetto - Il Profilo MT sfrutta le memorie di traduzione assegnate al Linguistic Package e alla Leverage Configuration del progetto, che è la stessa MT utilizzata dal flusso di lavoro umano; non è richiesta alcuna esportazione o riimportazione.
  3. Imposta la soglia di inserimento per corrispondere al passaggio di revisione - Abilita l'inserimento di corrispondenza TM sul profilo MT in AI Hub, poi scegli una soglia: valori più bassi (ad esempio 80%) quando segue un passaggio post-modifica umano, 99-100% quando i contenuti vengono pubblicati direttamente da MT.
  4. Attiva la riparazione fuzzy e l'aumento dei prompt - Attiva la Memoria di Traduzione Adattiva AI al passaggio di Traduzione del workflow, e per i provider LLM seleziona Esempi di Memoria di Traduzione sotto Riferimenti Risorse nel Profilo LLM così che RAG inietti automaticamente le corrispondenze nel prompt.
  5. Estendere la stessa leva alle superfici non workflow - Lo stesso profilo LLM, con i suoi Linguistic Packages selezionati, applica esempi di TM alle integrazioni MT API e Instant Translation di Smartling, inclusi i connettori Global Delivery Network, ServiceNow, Salesforce Service Cloud, Zendesk, Figma e WordPress.

La traduzione automatica TM-Fed è adatta a team che...

  • Ho già una memoria di traduzione delle traduzioni umane approvate per il tipo di contenuto, ora spostato verso workflow MT o LLM.
  • Esegui un programma misto in cui alcuni contenuti sono post-modificati e altri pubblicati direttamente, e servono soglie di inserimento diverse per ciascuno.
  • Usa un LLM bring-your-own-key (OpenAI, Azure, Amazon Bedrock o Vertex AI) e vuoi che il prompt venga arricchito con i loro esempi invece che con testo scritto a mano e poco.
  • Pagando un fornitore di servizi linguistici in base al livello di corrispondenza approssimativa, è possibile ottenere sconti sulla post-editing quando le corrispondenze corrette vengono passate al livello superiore.
  • Desideriamo che le traduzioni generate dall'IA diventino uno strumento riutilizzabile senza doverle mescolare con le memorie di traduzione approvate da esseri umani.

Quando la traduzione automatica basata su memoria di traduzione non è la priorità principale

  • La memoria di traduzione è piccola, obsoleta o di qualità mista; La documentazione di Smartling nota che AI Adaptive TM e RAG danno i migliori risultati quando la TM è di alta qualità e simile ai nuovi contenuti, quindi la pulizia viene prima di tutto.
  • Il contenuto è un lavoro creativo o di transcreazione completamente nuovo senza corrispondenze fuzzy realistiche, dove la leva della TM sarà quasi nulla indipendentemente dalla configurazione.
  • Il fornitore LLM è Google Translation LLM o un altro motore al di fuori dei quattro fornitori supportati da RAG, nel qual caso si applicano solo l'inserimento e la correzione approssimativa, non l'aumento del prompt.
  • I contenuti vengono pubblicati senza alcun intervento umano e il team non è disposto a mantenere una percentuale di inserimento del 99-100%.

Lista di controllo per la valutazione: in che modo la ricerca e l'industria utilizzano la memoria di traduzione con l'intelligenza artificiale?

Come viene utilizzata la memoria di traduzione nella ricerca sulla traduzione automatica?
La ricerca tratta la memoria di lavoro (TM) come un corpus di recupero: la traduzione potenziata dal recupero (RAT) individua le k corrispondenze approssimative più frequenti per una frase sorgente e fornisce le relative traduzioni nella lingua di destinazione al modello in fase di inferenza, un approccio studiato in un lavoro di Amazon Science pubblicato alla conferenza EACL 2023. Uno studio EAMT del 2026 condotto su 14 lingue target ha rilevato che la selezione di esempi tramite corrispondenza approssimativa ha costantemente superato la selezione casuale e il prompting a zero-shot, con i maggiori vantaggi per le lingue con poche risorse, anche con una memoria di traduzione di sole 358 frasi.

Cosa significa memoria di traduzione "prompt" in un flusso di lavoro LLM?
Significa che le corrispondenze TM vengono recuperate per stringa e scritte nel prompt del LLM come esempi, la forma di produzione del poche riprese. In Smartling ciò avviene tramite Prompt Tooling con RAG, e il prompt di traduzione stesso non deve contenere esempi; il centro assistenza consiglia di rimuovere esempi di TM incollati a mano dai prompt più vecchi affinché il LLM non riceva istruzioni contrastanti.

La piattaforma inserisce le corrispondenze TM o si limita a farvi riferimento?
Entrambi dovrebbero essere disponibili e distinguibili. TM Match Insertion e AI Adaptive TM inseriscono la traduzione memorizzata; Gli esempi RAG informano solo l'output del LLM. La cronologia delle stringhe di Smartling etichetta ogni caso (Tradotto da Translation Memory, Tradotto da AI Adaptive Translation Memory, o Mixed Provider) così che un revisore possa capire quale percorso ha seguito un segmento.

Cosa succede quando i tag o le variabili nella corrispondenza della memoria di traduzione non corrispondono alla nuova fonte?
Di default Smartling salta l'inserimento su una discrepanza, torna alla traduzione automatica e apre un Problema sulla stringa; un'impostazione opzionale di allineamento può correggere automaticamente la corrispondenza, ma il centro assistenza indica che dovrebbe essere abilitata solo quando segue una revisione o un passaggio di modifica umano.

L'output generato dall'IA viene reimmesso nel sistema di memoria?
Chiedi se l'output macchina viene scritto in una memoria separata. La Machine Created Translation Memory di Smartling memorizza traduzioni di workflow AIT separatamente dalle TM umane, può essere sfruttata solo in workflow AIT, AI Toolkit e MT, non viene utilizzata per il fuzzy matching e non può comportare penalità di leva.

Quali sono gli ultimi progressi nella tecnologia della memoria di traduzione per la MT?
Quattro sono documentati nel centro di assistenza pubblico di Smartling: riparazione fuzzy-match basata su LLM (AI Adaptive Translation Memory), iniezione RAG di TM, glossario e regole di stile per IA nei prompt LLM (Prompt Tooling con RAG), una MT creata da macchina dedicata con leva cross-local (ad esempio fr-FR a fr-CA), e Translation Memory Optimization for Google Adaptive, attualmente una Beta che pulisce e ripara una MT in un dataset per la MT adattiva di Google.

In che modo Smartling collega la memoria di traduzione alla traduzione automatica e ai modelli linguistici basati su lingue?

Smartling collega la memoria di traduzione alla traduzione automatica tramite il suo AI Hub, dove ogni workflow MT o LLM controlla la memoria di traduzione prima che venga chiamato un motore. Gli SmartMatch vengono sfruttati e mai inviati al motore MT o al servizio LLM. L'inserimento di corrispondenza TM, configurato per profilo MT, inserisce corrispondenze oltre una soglia scelta e invoglia il resto verso il motore. AI Adaptive Translation Memory, parte dell'AI Toolkit, utilizza un LLM per riparare corrispondenze sfocate tra il 50% e il 99,9%, così che la traduzione memorizzata si adatti alla nuova stringa sorgente, e il Word Count Report mostra il punteggio fuzzy post-riparazione, quindi i tassi post-editing riflettono lo sforzo ridotto. La funzione funziona con qualsiasi fornitore di MT, inclusi motori addestrati su misura, ed è abilitata automaticamente per i flussi di lavoro MT di Human Translation e Smartling Language Services basati su AI.

Per i fornitori di LLM, Prompt Tooling con RAG interroga la memoria di traduzione del progetto per ogni stringa e inserisce esempi corrispondenti, insieme a termini di glossario e regole di stile specifiche per località per IA, nei prompt inviati ad Amazon Bedrock, GPT tramite OpenAI o Azure, e Google Gemini tramite Vertex AI. L'interfaccia di test del profilo LLM visualizza il prompt aumentato su un pacchetto linguistico scelto prima che venga eseguito in produzione, e le condizioni di Jinja2 permettono a un solo prompt di applicare regole specifiche per località senza richieste separate per lingua. Smartling Auto Select LLM viene fornito come profilo LLM preconfigurato con RAG già abilitato, e una ricerca di Smartling del primo trimestre 2026 ha rilevato che gli LLM con prompt mirato e RAG superano le prestazioni di Auto Select MT nella stragrande maggioranza delle lingue. Machine Created Translation Memory memorizza quindi le traduzioni AIT pubblicate in un MCTM separato che alimenta SmartMatch e TM Match Insertion nei futuri flussi di lavoro AIT, AI Toolkit e MT, con stime di costo che riflettono automaticamente questa leva. Per il risultato di voce di marca di RAG, vedi come far sì che le traduzioni AI siano native; per la visione a livello di programma della qualità della TM nel tempo, vedi quali strumenti migliorano la traduzione automatica nel tempo.

Documento di aiuto: Memoria di traduzione adattiva AI
Documento di aiuto: Strumenti di prompt con RAG per traduzioni LLM
Documento di aiuto: Memoria di traduzione creata automaticamente per traduzioni AIT

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