--- title: "FLORES-200 (IT)" source: "https://systems-analysis.info/int/FLORES-200_(IT)" wiki: "systems-analysis.info/int" article: "FLORES-200_(IT)" language: "it" categories: - "Category:Italian" - "Category:Large language models" - "Category:LLM benchmarks" - "Category:Machine learning" revision_id: 2092 wiki_created_at: 2026-09-06T22:58:29Z wiki_modified_at: 2026-09-06T22:58:29Z downloaded_at: 2026-09-07T22:49:17Z --- # FLORES-200 (IT) **FLORES-200** — è un dataset di valutazione per la traduzione automatica multilingue, che copre circa 200 lingue del mondo. È stato creato dai ricercatori della società Meta nell'ambito del progetto **No Language Left Behind (NLLB)** ed è stato presentato nel 2022. FLORES-200 è un'estensione del precedente dataset **FLORES-101** ed è destinato alla valutazione obiettiva della qualità della traduzione, in particolare per le lingue a basse risorse^{[\[1\]](https://systems-analysis.info/int/FLORES-200_(IT)#cite_note-pwc_flores-1)}. La caratteristica principale del dataset è che tutti i testi sono stati tradotti da traduttori professionisti, il che garantisce un'alta qualità delle traduzioni di riferimento e lo rende uno standard affidabile per il confronto tra sistemi di traduzione automatica^{[\[2\]](https://systems-analysis.info/int/FLORES-200_(IT)#cite_note-flores_plus-2)}. ## Contesto e creazione del dataset La prima versione, **FLORES-101**, è stata presentata nel 2022 e conteneva 3001 frasi tratte da Wikipedia in lingua inglese, tradotte in 101 lingue^{[\[3\]](https://systems-analysis.info/int/FLORES-200_(IT)#cite_note-flores101_paper-3)}. Questo dataset ha colmato un'importante lacuna nella valutazione dei sistemi di traduzione per le lingue con scarsità di dati. Nel 2022, nell'ambito del progetto **No Language Left Behind**, la società Meta ha ampliato il corpus fino a 200 lingue, creando **FLORES-200**^{[\[4\]](https://systems-analysis.info/int/FLORES-200_(IT)#cite_note-meta_news-4)}. Lo sviluppo ha incontrato una serie di difficoltà: - Molte delle lingue aggiunte presentavano una bassa standardizzazione e una carenza di specialisti bilingui. - Alcune lingue sono state tradotte non direttamente dall'inglese, ma tramite lingue intermediarie (spagnolo, francese, russo). - Per alcune lingue sono stati inclusi diversi sistemi di scrittura (ad esempio, alfabeto latino e cirillico), per tenere conto del loro utilizzo in comunità differenti^{[\[5\]](https://systems-analysis.info/int/FLORES-200_(IT)#cite_note-huggingface_flores-5)}. ## Composizione e struttura Il corpus FLORES-200 comprende **3001 frasi**, selezionate da 842 diversi articoli web e documenti dei progetti Wikimedia. A differenza della prima versione, le fonti includono non solo Wikipedia, ma anche altri progetti come Wikinews, Wikijunior e Wikivoyage. Ciò garantisce un'ampia varietà tematica (notizie, scienza, cultura, viaggi), che consente una valutazione completa della qualità della traduzione. Ogni frase inglese è stata tradotta professionalmente in ~200 lingue di destinazione, formando un corpus parallelo completamente allineato. Il dataset è suddiviso in tre parti: - **dev** (sviluppo) — per la messa a punto dei modelli. - **devtest** (test intermedio) — per la valutazione preliminare. - **test** (test finale) — la parte nascosta per un confronto equo tra i modelli nelle competizioni. Per la designazione delle lingue viene utilizzato lo standard ISO 639-3 con l'indicazione dello script, ad esempio \`eng_Latn\` per l'inglese in alfabeto latino o \`rus_Cyrl\` per il russo in alfabeto cirillico^{[\[5\]](https://systems-analysis.info/int/FLORES-200_(IT)#cite_note-huggingface_flores-5)}. ## Applicazione e importanza FLORES-200 è diventato uno standard fondamentale per la valutazione dei sistemi di traduzione automatica multilingue. È stato utilizzato per valutare il modello di punta di Meta — **NLLB-200**. I test su FLORES-200 hanno dimostrato che NLLB-200 ha migliorato la qualità della traduzione in media del **44%** secondo la metrica BLEU rispetto ai precedenti migliori sistemi^{[\[6\]](https://systems-analysis.info/int/FLORES-200_(IT)#cite_note-nllb_paper-6)}. Per alcune lingue dell'Africa e dell'India, il miglioramento della precisione ha superato il **70%**^{[\[4\]](https://systems-analysis.info/int/FLORES-200_(IT)#cite_note-meta_news-4)}. Meta ha reso liberamente accessibile il dataset e gli strumenti per il suo utilizzo sotto la licenza **Creative Commons BY-SA 4.0**. Grazie a ciò, FLORES-200 si è rapidamente diffuso ed è diventato lo standard de facto nei lavori scientifici, nelle competizioni di traduzione automatica (ad esempio, WMT) e nelle iniziative per la preservazione delle lingue. Nel 2023, la comunità OLDI (Open Language Data Initiative) ha iniziato ad ampliare il corpus con il nome **FLORES+**^{[\[2\]](https://systems-analysis.info/int/FLORES-200_(IT)#cite_note-flores_plus-2)}. ## Riferimenti - Dataset ufficiale su Hugging Face - Repository ufficiale su GitHub ## Bibliografia - 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. ## Note 1. [↑](https://systems-analysis.info/int/FLORES-200_(IT)#cite_ref-pwc_flores_1-0) «FLoRes-200 Dataset». *Papers With Code*. [1] 2. ↑ ^{[2.0](https://systems-analysis.info/int/FLORES-200_(IT)#cite_ref-flores_plus_2-0)} ^{[2.1](https://systems-analysis.info/int/FLORES-200_(IT)#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_(IT)#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_(IT)#cite_ref-meta_news_4-0)} ^{[4.1](https://systems-analysis.info/int/FLORES-200_(IT)#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_(IT)#cite_ref-huggingface_flores_5-0)} ^{[5.1](https://systems-analysis.info/int/FLORES-200_(IT)#cite_ref-huggingface_flores_5-1)} «Muennighoff/flores200». *Hugging Face*. [5] 6. [↑](https://systems-analysis.info/int/FLORES-200_(IT)#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]