--- title: "FLORES-200 (BG)" source: "https://systems-analysis.info/int/FLORES-200_(BG)" wiki: "systems-analysis.info/int" article: "FLORES-200_(BG)" language: "bg" categories: - "Category:Bulgarian" - "Category:Large language models" - "Category:LLM benchmarks" - "Category:Machine learning" revision_id: 2080 wiki_created_at: 2026-09-06T22:58:18Z wiki_modified_at: 2026-09-06T22:58:18Z downloaded_at: 2026-09-07T22:49:14Z --- # FLORES-200 (BG) **FLORES-200** — това е оценъчен набор от данни за многоезичен машинен превод, обхващащ около 200 езика по света. Той е създаден от изследователи на компанията Meta в рамките на проекта **No Language Left Behind (NLLB)** и е представен през 2022 година. FLORES-200 е разширение на предишния набор **FLORES-101** и е предназначен за обективна оценка на качеството на превода, особено за езици с малко ресурси^{[\[1\]](https://systems-analysis.info/int/FLORES-200_(BG)#cite_note-pwc_flores-1)}. Ключова особеност на dataset-а е, че всички текстове са преведени от професионални преводачи, което осигурява високо качество на еталонните преводи и го прави надежден стандарт за сравняване на системи за машинен превод^{[\[2\]](https://systems-analysis.info/int/FLORES-200_(BG)#cite_note-flores_plus-2)}. ## Предистория и създаване на набора Първата версия, **FLORES-101**, е представена през 2022 година и съдържа 3001 изречения от англоезичната Уикипедия, преведени на 101 езика^{[\[3\]](https://systems-analysis.info/int/FLORES-200_(BG)#cite_note-flores101_paper-3)}. Този набор запълва важна празнина в оценяването на системите за превод за езици с малко данни. През 2022 година в рамките на проекта **No Language Left Behind** компанията Meta разширява корпуса до 200 езика, създавайки **FLORES-200**^{[\[4\]](https://systems-analysis.info/int/FLORES-200_(BG)#cite_note-meta_news-4)}. Разработката се сблъска с редица трудности: - Много от добавените езици имаха ниска стандартизация и недостиг на двуезични специалисти. - Част от езиците бяха преведени не директно от английски, а чрез езици-посредници (испански, френски, руски). - За някои езици бяха включени различни писмени системи (например латиница и кирилица), за да се отчете употребата им в различни общности^{[\[5\]](https://systems-analysis.info/int/FLORES-200_(BG)#cite_note-huggingface_flores-5)}. ## Състав и структура Корпусът FLORES-200 включва **3001 изречения**, подбрани от 842 различни уеб статии и документи на проектите на Wikimedia. За разлика от първата версия, източниците включват не само Уикипедия, но и други проекти като Wikinews, Wikijunior и Wikivoyage. Това осигурява широко тематично разнообразие (новини, наука, култура, пътувания), което позволява всестранна проверка на качеството на превода. Всяко английско изречение е професионално преведено на ~200 целеви езика, образувайки напълно изравнен паралелен корпус. Наборът е разделен на три части: - **dev** (разработка) — за настройване на модели. - **devtest** (междинно тестване) — за предварителна оценка. - **test** (финално тестване) — скрита част за честно сравняване на модели в състезания. За означаване на езиците се използва стандартът ISO 639-3 с указване на скрипта, например \`eng_Latn\` за английски на латиница или \`rus_Cyrl\` за руски на кирилица^{[\[5\]](https://systems-analysis.info/int/FLORES-200_(BG)#cite_note-huggingface_flores-5)}. ## Приложение и значение FLORES-200 се превърна в ключов стандарт за оценка на многоезични системи за машинен превод. Той беше използван за оценка на флагманския модел на Meta — **NLLB-200**. Тестването върху FLORES-200 показа, че NLLB-200 подобрява качеството на превода средно с **44%** по метриката BLEU в сравнение с предишните най-добри системи^{[\[6\]](https://systems-analysis.info/int/FLORES-200_(BG)#cite_note-nllb_paper-6)}. За някои езици в Африка и Индия нарастването на точността надвишава **70%**^{[\[4\]](https://systems-analysis.info/int/FLORES-200_(BG)#cite_note-meta_news-4)}. Meta предоставя свободен достъп до dataset-а и инструментите за използването му под лиценза **Creative Commons BY-SA 4.0**. Благодарение на това FLORES-200 бързо получи широко разпространение и се превърна в де факто стандарт в научните трудове, в състезанията по машинен превод (например WMT) и в инициативите за опазване на езиците. През 2023 година общността OLDI (Open Language Data Initiative) започна да разширява корпуса под наименованието **FLORES+**^{[\[2\]](https://systems-analysis.info/int/FLORES-200_(BG)#cite_note-flores_plus-2)}. ## Препратки - Официален dataset на Hugging Face - Официално хранилище на GitHub ## Литература - Liang, P. et al. (2022). *Holistic Evaluation of Language Models (HELM)*. arXiv:2211.09110. - Chang, Y. et al. (2023). *A Survey on Evaluation of Large Language Models*. arXiv:2307.03109. - Ni, S. et al. (2025). *A Survey on Large Language Model Benchmarks*. arXiv:2508.15361. - Biderman, S. et al. (2024). *The Language Model Evaluation Harness (lm-eval): Guidance and Lessons Learned*. arXiv:2405.14782. - Kiela, D. et al. (2021). *Dynabench: Rethinking Benchmarking in NLP*. arXiv:2104.14337. - Ma, Z. et al. (2021). *Dynaboard: An Evaluation‑As‑A‑Service Platform for Holistic Next‑Generation Benchmarking*. arXiv:2106.06052. - Goel, K. et al. (2021). *Robustness Gym: Unifying the NLP Evaluation Landscape*. arXiv:2101.04840. - Xu, C. et al. (2024). *Benchmark Data Contamination of Large Language Models: A Survey*. arXiv:2406.04244. - Liu, S. et al. (2025). *A Comprehensive Survey on Safety Evaluation of LLMs*. arXiv:2506.11094. - Chiang, W.-L. et al. (2024). *Chatbot Arena: An Open Platform for Evaluating LLMs by Human Preference*. arXiv:2403.04132. - Boubdir, M. et al. (2023). *Elo Uncovered: Robustness and Best Practices in Language Model Evaluation*. arXiv:2311.17295. - Huang, L. et al. (2023). *A Survey on Hallucination in Large Language Models*. arXiv:2311.05232. ## Бележки 1. [↑](https://systems-analysis.info/int/FLORES-200_(BG)#cite_ref-pwc_flores_1-0) «FLoRes-200 Dataset». *Papers With Code*. [1] 2. ↑ ^{[2.0](https://systems-analysis.info/int/FLORES-200_(BG)#cite_ref-flores_plus_2-0)} ^{[2.1](https://systems-analysis.info/int/FLORES-200_(BG)#cite_ref-flores_plus_2-1)} «FLORES+ Translation and Machine Translation Evaluation for the Erzya Language». *Proceedings of the Ninth Conference on Machine Translation (WMT24)*. [2] 3. [↑](https://systems-analysis.info/int/FLORES-200_(BG)#cite_ref-flores101_paper_3-0) Goyal, N., et al. «The Flores-101 Evaluation Benchmark for Low-Resource and Multilingual Machine Translation». *Transactions of the Association for Computational Linguistics*. [3] 4. ↑ ^{[4.0](https://systems-analysis.info/int/FLORES-200_(BG)#cite_ref-meta_news_4-0)} ^{[4.1](https://systems-analysis.info/int/FLORES-200_(BG)#cite_ref-meta_news_4-1)} «New AI Model Translates 200 Languages, Making Technology Accessible to More People». *Meta Newsroom*. [4] 5. ↑ ^{[5.0](https://systems-analysis.info/int/FLORES-200_(BG)#cite_ref-huggingface_flores_5-0)} ^{[5.1](https://systems-analysis.info/int/FLORES-200_(BG)#cite_ref-huggingface_flores_5-1)} «Muennighoff/flores200». *Hugging Face*. [5] 6. [↑](https://systems-analysis.info/int/FLORES-200_(BG)#cite_ref-nllb_paper_6-0) Costa-jussà, M.R., et al. «No Language Left Behind: Scaling Human-Centered Machine Translation». *arXiv:2207.04672*. [6]