Vitalii Vlasiuk
Kurucu ortak
Transept'in kurucu ortağı, “Mevkh” mahlasıyla yazıyor. Dil ve Edebiyat derecesi, ardından yazılıma geçiş: 50.000'den fazla kullanıcıya canlı ortamda LLM özellikleri sunan kıdemli yapay zekâ mühendisi – RAG, ajan tabanlı araçlar, LLM-as-judge değerlendirmesi. Çekmecesinde 120.000 kelimelik hicivli romantik fantastik eseri bulunan, ağır adımlarla ilerleyen bir romancı. Yapay zekâ çevirisi ile kendi üslubu arasındaki uyuşmazlık, tüm bu serüveni başlatan şey oldu.
4 makale
Makine Çevirisi Sonrası Düzeltme (MTPE): Nedir, Nasıl Çalışır ve Nasıl Daha İyi Yapılır
Makine çevirisi sonrası düzeltme (MTPE) üzerine pratik bir rehber: Hafif ve tam sonrası düzeltme farkı, ham makine çevirisinin neden hâlâ bir insana ihtiyaç duyduğu, kalitenin nasıl ölçüldüğü — ve yaygın "önce toplu çeviri, sonra temizleme" modelinin neden genellikle yanlış bir kurgu olduğu; ayrıca hem kalite hem de maliyet açısından bu modeli geride bırakan yinelemeli ve bellek destekli iş akışı.
Çeviri Belleği: Nedir, Nasıl Çalışır ve Yapay Zekâ Yerelleştirmesi İçin Neden Önemlidir?
Çeviri belleği, ekibinizin halihazırda onayladığı satırları saklar. Çevirmen bir LLM (Büyük Dil Modeli) olduğunda TM'nin ne ifade ettiğini, piyasadaki araçların nasıl hatırladığını (veya unuttuğunu) ve Transept'te yaptığımız stratejik tercihi —karar bağlamı olarak bellek— anlamamız gerekiyordu.
Yapay zekâ çevirisi aslında ne kadar düşünüyor?
Gemini 3'ün düşünme bütçesini tıpkı Gemini 2.5'te yaptığımız gibi kontrol etmeye çalıştık. Ancak işler artık öyle yürümüyor. İşte bunun yerine elde ettiğimiz ölçümler — ve bunların yapay zekâ çeviri kalitesi ile maliyeti açısından ne anlama geldiği.
The Journal'a Hoş Geldiniz
Neden burada yazmaya başladık, sizi neler bekliyor ve tekrar uğramanız için küçük bir davet.
