--- title: "FLORES-200 (HU)" source: "https://systems-analysis.info/int/FLORES-200_(HU)" wiki: "systems-analysis.info/int" article: "FLORES-200_(HU)" language: "hu" categories: - "Category:Hungarian" - "Category:Large language models" - "Category:LLM benchmarks" - "Category:Machine learning" revision_id: 2090 wiki_created_at: 2026-09-06T22:58:27Z wiki_modified_at: 2026-09-06T22:58:27Z downloaded_at: 2026-09-07T22:49:17Z --- # FLORES-200 (HU) **FLORES-200** — egy többnyelvű gépi fordítást értékelő adatkészlet, amely a világ közel 200 nyelvét fedi le. A Meta kutatói hozták létre a **No Language Left Behind (NLLB)** projekt keretében, és 2022-ben mutatták be. A FLORES-200 a korábbi **FLORES-101** adatkészlet kiterjesztése, és célja a fordítási minőség objektív értékelése, különösen az alacsony erőforrású nyelvek esetében^{[\[1\]](https://systems-analysis.info/int/FLORES-200_(HU)#cite_note-pwc_flores-1)}. Az adatkészlet egyik kulcsfontosságú jellemzője, hogy minden szöveget professzionális fordítók ültettek át, ami magas minőségű referencia-fordításokat biztosít, és megbízható összehasonlítási alapot jelent a gépi fordítórendszerek számára^{[\[2\]](https://systems-analysis.info/int/FLORES-200_(HU)#cite_note-flores_plus-2)}. ## Az adatkészlet előzményei és létrehozása Az első verzió, a **FLORES-101**, 2022-ben jelent meg, és az angol nyelvű Wikipédiából származó 3001 mondatot tartalmazott, amelyeket 101 nyelvre fordítottak le^{[\[3\]](https://systems-analysis.info/int/FLORES-200_(HU)#cite_note-flores101_paper-3)}. Ez az adatkészlet fontos hiányt pótolt a kis adatmennyiséggel rendelkező nyelvek fordítórendszereinek értékelésében. 2022-ben a **No Language Left Behind** projekt keretében a Meta 200 nyelvre bővítette a korpuszt, létrehozva a **FLORES-200**-t^{[\[4\]](https://systems-analysis.info/int/FLORES-200_(HU)#cite_note-meta_news-4)}. A fejlesztés során számos nehézséggel kellett szembenézni: - Sok újonnan hozzáadott nyelv alacsony szintű szabványosítással rendelkezett, és hiány volt a kétnyelvű szakemberekből. - Egyes nyelveket nem közvetlenül angolból, hanem közvetítő nyelveken keresztül fordítottak le (spanyol, francia, orosz). - Néhány nyelv esetében különböző írásrendszereket is felvettek (például latin és cirill betűs változatokat), figyelembe véve azok különböző közösségekben való használatát^{[\[5\]](https://systems-analysis.info/int/FLORES-200_(HU)#cite_note-huggingface_flores-5)}. ## Összetétel és szerkezet A FLORES-200 korpusz **3001 mondatot** tartalmaz, amelyek 842 különböző webes cikkből és Wikimedia-projektek dokumentumaiból kerültek kiválasztásra. Az első verzióval ellentétben a források nemcsak a Wikipédiát foglalják magukban, hanem más projekteket is, mint a Wikinews, a Wikijunior és a Wikivoyage. Ez széles tematikai változatosságot biztosít (hírek, tudomány, kultúra, utazás), lehetővé téve a fordítási minőség átfogó értékelését. Minden angol mondatot professzionálisan lefordítottak ~200 célnyelvre, így egy teljesen párhuzamos, illesztett korpuszt alkotva. Az adatkészlet három részre tagolódik: - **dev** (fejlesztési halmaz) — a modellek finomhangolásához. - **devtest** (közbenső teszthalmaz) — előzetes értékeléshez. - **test** (végső teszthalmaz) — rejtett rész a modellek versenyszerű, fair összehasonlításához. A nyelvek jelölésére az ISO 639-3 szabványt alkalmazzák, az írásrendszer megjelölésével együtt, például \`eng_Latn\` az angol latin betűs változatához vagy \`rus_Cyrl\` az orosz cirill betűs változatához^{[\[5\]](https://systems-analysis.info/int/FLORES-200_(HU)#cite_note-huggingface_flores-5)}. ## Alkalmazása és jelentősége A FLORES-200 a többnyelvű gépi fordítórendszerek értékelésének meghatározó szabványává vált. A Meta zászlóshajó modelljének, az **NLLB-200**-nak az értékeléséhez is ezt használták. A FLORES-200-on végzett tesztelés kimutatta, hogy az NLLB-200 átlagosan **44%-kal** javította a fordítási minőséget a BLEU-metrika szerint a korábbi legjobb rendszerekhez képest^{[\[6\]](https://systems-analysis.info/int/FLORES-200_(HU)#cite_note-nllb_paper-6)}. Egyes afrikai és indiai nyelvek esetében a pontosság növekedése meghaladta a **70%-ot**^{[\[4\]](https://systems-analysis.info/int/FLORES-200_(HU)#cite_note-meta_news-4)}. A Meta ingyenesen hozzáférhetővé tette az adatkészletet és a hozzá tartozó eszközöket **Creative Commons BY-SA 4.0** licenc alatt. Ennek köszönhetően a FLORES-200 gyorsan széles körben elterjedt, és de facto szabványává vált a tudományos munkákban, a gépi fordítási versenyeken (például WMT) és a nyelvmegőrzési kezdeményezésekben. 2023-ban az OLDI (Open Language Data Initiative) közösség **FLORES+** néven megkezdte a korpusz bővítését^{[\[2\]](https://systems-analysis.info/int/FLORES-200_(HU)#cite_note-flores_plus-2)}. ## Hivatkozások - Hivatalos adatkészlet a Hugging Face-en - Hivatalos adattár a GitHubon ## Irodalom - 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. ## Megjegyzések 1. [↑](https://systems-analysis.info/int/FLORES-200_(HU)#cite_ref-pwc_flores_1-0) «FLoRes-200 Dataset». *Papers With Code*. [1] 2. ↑ ^{[2.0](https://systems-analysis.info/int/FLORES-200_(HU)#cite_ref-flores_plus_2-0)} ^{[2.1](https://systems-analysis.info/int/FLORES-200_(HU)#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_(HU)#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_(HU)#cite_ref-meta_news_4-0)} ^{[4.1](https://systems-analysis.info/int/FLORES-200_(HU)#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_(HU)#cite_ref-huggingface_flores_5-0)} ^{[5.1](https://systems-analysis.info/int/FLORES-200_(HU)#cite_ref-huggingface_flores_5-1)} «Muennighoff/flores200». *Hugging Face*. [5] 6. [↑](https://systems-analysis.info/int/FLORES-200_(HU)#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]