--- title: "FLORES-200 (ES)" source: "https://systems-analysis.info/int/FLORES-200_(ES)" wiki: "systems-analysis.info/int" article: "FLORES-200_(ES)" language: "es" categories: - "Category:Large language models" - "Category:LLM benchmarks" - "Category:Machine learning" - "Category:Spanish" revision_id: 2085 wiki_created_at: 2026-09-06T22:58:22Z wiki_modified_at: 2026-09-06T22:58:22Z downloaded_at: 2026-09-07T22:49:15Z --- # FLORES-200 (ES) **FLORES-200** es un conjunto de datos de evaluación para la traducción automática multilingüe que abarca alrededor de 200 idiomas del mundo. Fue creado por investigadores de Meta como parte del proyecto **No Language Left Behind (NLLB)** y presentado en 2022. FLORES-200 es una extensión del conjunto de datos anterior, **FLORES-101**, y está diseñado para la evaluación objetiva de la calidad de la traducción, especialmente para idiomas de bajos recursos^{[\[1\]](https://systems-analysis.info/int/FLORES-200_(ES)#cite_note-pwc_flores-1)}. Una característica clave del conjunto de datos es que todos los textos fueron traducidos por traductores profesionales, lo que garantiza una alta calidad en las traducciones de referencia y lo convierte en un estándar confiable para comparar sistemas de traducción automática^{[\[2\]](https://systems-analysis.info/int/FLORES-200_(ES)#cite_note-flores_plus-2)}. ## Antecedentes y creación del conjunto de datos La primera versión, **FLORES-101**, se presentó en 2022 y contenía 3001 oraciones de la Wikipedia en inglés, traducidas a 101 idiomas^{[\[3\]](https://systems-analysis.info/int/FLORES-200_(ES)#cite_note-flores101_paper-3)}. Este conjunto de datos llenó un vacío importante en la evaluación de sistemas de traducción para idiomas con pocos datos. En 2022, como parte del proyecto **No Language Left Behind**, Meta amplió el corpus a 200 idiomas, creando **FLORES-200**^{[\[4\]](https://systems-analysis.info/int/FLORES-200_(ES)#cite_note-meta_news-4)}. El desarrollo se enfrentó a una serie de dificultades: - Muchos de los idiomas añadidos tenían una baja estandarización y escasez de especialistas bilingües. - Algunos idiomas no se tradujeron directamente del inglés, sino a través de idiomas intermedios (español, francés, ruso). - Para algunos idiomas, se incluyeron diferentes sistemas de escritura (por ejemplo, latino y cirílico) para tener en cuenta su uso en diversas comunidades^{[\[5\]](https://systems-analysis.info/int/FLORES-200_(ES)#cite_note-huggingface_flores-5)}. ## Composición y estructura El corpus FLORES-200 incluye **3001 oraciones**, seleccionadas de 842 artículos web y documentos de proyectos de Wikimedia. A diferencia de la primera versión, las fuentes no solo incluyen Wikipedia, sino también otros proyectos como Wikinews, Wikijunior y Wikivoyage. Esto garantiza una amplia diversidad temática (noticias, ciencia, cultura, viajes), lo que permite una verificación exhaustiva de la calidad de la traducción. Cada oración en inglés fue traducida profesionalmente a aproximadamente 200 idiomas de destino, formando un corpus paralelo completamente alineado. El conjunto de datos se divide en tres partes: - **dev** (desarrollo) — para el ajuste de los modelos. - **devtest** (pruebas de desarrollo) — para la evaluación preliminar. - **test** (pruebas finales) — una parte oculta para la comparación justa de modelos en competiciones. Para designar los idiomas, se utiliza el estándar ISO 639-3 con la especificación del sistema de escritura, por ejemplo, `eng_Latn` para el inglés en alfabeto latino o `rus_Cyrl` para el ruso en alfabeto cirílico^{[\[5\]](https://systems-analysis.info/int/FLORES-200_(ES)#cite_note-huggingface_flores-5)}. ## Aplicación e importancia FLORES-200 se ha convertido en un estándar clave para la evaluación de sistemas de traducción automática multilingües. Fue utilizado para evaluar el modelo insignia de Meta, **NLLB-200**. Las pruebas en FLORES-200 demostraron que NLLB-200 mejoró la calidad de la traducción en un promedio del **44 %** según la métrica BLEU en comparación con los mejores sistemas anteriores^{[\[6\]](https://systems-analysis.info/int/FLORES-200_(ES)#cite_note-nllb_paper-6)}. Para algunos idiomas de África e India, el aumento en la precisión superó el **70 %**^{[\[4\]](https://systems-analysis.info/int/FLORES-200_(ES)#cite_note-meta_news-4)}. Meta ha proporcionado acceso libre al conjunto de datos y a las herramientas para su uso bajo la licencia **Creative Commons BY-SA 4.0**. Gracias a esto, FLORES-200 se difundió rápidamente y se convirtió en el estándar de facto en trabajos científicos, competiciones de traducción automática (como WMT) e iniciativas para la preservación de idiomas. En 2023, la comunidad OLDI (Open Language Data Initiative) comenzó a expandir el corpus bajo el nombre de **FLORES+**^{[\[2\]](https://systems-analysis.info/int/FLORES-200_(ES)#cite_note-flores_plus-2)}. ## Enlaces externos - Conjunto de datos oficial en Hugging Face - Repositorio oficial en GitHub ## Bibliografía - 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. ## Referencias 1. [↑](https://systems-analysis.info/int/FLORES-200_(ES)#cite_ref-pwc_flores_1-0) «FLoRes-200 Dataset». *Papers With Code*. [1] 2. ↑ ^{[2.0](https://systems-analysis.info/int/FLORES-200_(ES)#cite_ref-flores_plus_2-0)} ^{[2.1](https://systems-analysis.info/int/FLORES-200_(ES)#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_(ES)#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_(ES)#cite_ref-meta_news_4-0)} ^{[4.1](https://systems-analysis.info/int/FLORES-200_(ES)#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_(ES)#cite_ref-huggingface_flores_5-0)} ^{[5.1](https://systems-analysis.info/int/FLORES-200_(ES)#cite_ref-huggingface_flores_5-1)} «Muennighoff/flores200». *Hugging Face*. [5] 6. [↑](https://systems-analysis.info/int/FLORES-200_(ES)#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]