段階的な改良

大規模言語モデルによる初稿は構造的には正しいものの、ニュアンス、トーン、ドメイン固有の表現が十分でない場合があります。これは意図された設計です。Glossia は、ソフトウェアチームがコードを扱うのと同じ方法でコンテンツ生成を扱います。まず動作するバージョンをリリースし、レビューし、反復的に改善します。

改善ループ

1. 初稿: Glossia は、ソースファイルと GLOSSIA.md 内のコンテキストに基づいて、構造的に有効な初稿を生成します。
2. レビュー: チームは、コードですでに使用しているものと同じワークフローで、プルリクエストと差分を通じて問題を指摘します。
3. 改善: 更新されたコンテキストファイル、用語の修正、レビューのフィードバックが次回の実行に反映されます。
4. 収束: サイクルを重ねるたびに、本番品質との差が縮まります。システムは、提供されたコンテキストを通じて製品のボイスを学習します。

この方法が機能する理由

重要なのは、コンテキストが蓄積されることです。GLOSSIA.md の更新や用語エントリの修正につながるレビューコメントは、そのレビューのきっかけとなったファイルだけでなく、今後のすべての実行を改善します。

これは、製造業におけるカイゼンや工学における逐次近似と同じ原則に基づいています。十分に実用的なベースラインから始め、人間の判断をプロセスに組み込みながら体系的に改善します。

実務上の留意点

• 初回の実行で完璧な結果を期待しないでください。1回または2回のレビューサイクルを見込んでください。
• 明確なコンテキストファイルの作成に時間をかけてください。これは最も効果の高い改善策です。
• サーバーの翻訳セッションを使用して、翻訳済み、スキップ済み、または失敗したファイルを追跡してください。