Maschinelle Übersetzungen haben durch den Einsatz von Large Language Models (LLMs) signifikante Fortschritte erfahren. Diese Modelle sind jedoch meist auf allgemeine Sprachdaten trainiert und zeigen Defizite bei der Übersetzung hochspezialisierter Fachterminologie. Dies betrifft insbesondere sicherheitskritische und technische Kontexte, in denen Übersetzungsfehler gravierende Folgen haben können. Ziel des Projekts ist es, LLMs durch domänenspezifisches Fine-Tuning für den Einsatz in Fachübersetzungen zu optimieren und systematisch zu evaluieren. Ein ergänzender Schwerpunkt liegt auf der Untersuchung des Einflusses von Anonymisierung auf die Übersetzungsqualität.     «

Maschinelle Übersetzungen haben durch den Einsatz von Large Language Models (LLMs) signifikante Fortschritte erfahren. Diese Modelle sind jedoch meist auf allgemeine Sprachdaten trainiert und zeigen Defizite bei der Übersetzung hochspezialisierter Fachterminologie. Dies betrifft insbesondere sicherheitskritische und technische Kontexte, in denen Übersetzungsfehler gravierende Folgen haben können. Ziel des Projekts ist es, LLMs durch domänenspezifisches Fine-Tuning für den Einsatz in Fachübersetz...     »