--- title: "FLORES-200 (PL)" source: "https://systems-analysis.info/int/FLORES-200_(PL)" wiki: "systems-analysis.info/int" article: "FLORES-200_(PL)" language: "pl" categories: - "Category:Large language models" - "Category:LLM benchmarks" - "Category:Machine learning" - "Category:Polish" revision_id: 2095 wiki_created_at: 2026-09-06T22:58:32Z wiki_modified_at: 2026-09-06T22:58:32Z downloaded_at: 2026-09-07T22:49:18Z --- # FLORES-200 (PL) **FLORES-200** — to zbiór danych ewaluacyjnych do wielojęzycznego maszynowego tłumaczenia, obejmujący około 200 języków świata. Został stworzony przez badaczy firmy Meta w ramach projektu **No Language Left Behind (NLLB)** i zaprezentowany w 2022 roku. FLORES-200 jest rozszerzeniem poprzedniego zbioru **FLORES-101** i przeznaczony jest do obiektywnej oceny jakości tłumaczenia, szczególnie dla języków o niskich zasobach[\[1\]](https://systems-analysis.info/int/FLORES-200_(PL)#cite_note-pwc_flores-1). Kluczową cechą datasetu jest to, że wszystkie teksty zostały przetłumaczone przez profesjonalnych tłumaczy, co zapewnia wysoką jakość tłumaczeń referencyjnych i czyni go wiarygodnym standardem do porównywania systemów maszynowego tłumaczenia[\[2\]](https://systems-analysis.info/int/FLORES-200_(PL)#cite_note-flores_plus-2). ## Historia i powstanie zbioru Pierwsza wersja, **FLORES-101**, została zaprezentowana w 2022 roku i zawierała 3001 zdań z anglojęzycznej Wikipedii, przetłumaczonych na 101 języków[\[3\]](https://systems-analysis.info/int/FLORES-200_(PL)#cite_note-flores101_paper-3). Ten zbiór wypełnił istotną lukę w ocenie systemów tłumaczenia dla języków o małej ilości danych. W 2022 roku w ramach projektu **No Language Left Behind** firma Meta rozszerzyła korpus do 200 języków, tworząc **FLORES-200**[\[4\]](https://systems-analysis.info/int/FLORES-200_(PL)#cite_note-meta_news-4). Podczas opracowywania napotkano szereg trudności: - Wiele dodanych języków cechowała niska standaryzacja i brak dwujęzycznych specjalistów. - Część języków była tłumaczona nie bezpośrednio z angielskiego, lecz za pośrednictwem języków-pośredników (hiszpańskiego, francuskiego, rosyjskiego). - Dla niektórych języków uwzględniono różne systemy pisma (np. łacińskie i cyrylicę), aby uwzględnić ich użycie w różnych społecznościach[\[5\]](https://systems-analysis.info/int/FLORES-200_(PL)#cite_note-huggingface_flores-5). ## Skład i struktura Korpus FLORES-200 zawiera **3001 zdań**, wybranych z 842 różnych artykułów internetowych i dokumentów projektów Wikimedia. W odróżnieniu od pierwszej wersji, źródła obejmują nie tylko Wikipedię, lecz również inne projekty, takie jak Wikinews, Wikijunior i Wikivoyage. Zapewnia to szeroką różnorodność tematyczną (wiadomości, nauka, kultura, podróże), co pozwala wszechstronnie sprawdzać jakość tłumaczenia. Każde angielskie zdanie zostało profesjonalnie przetłumaczone na ~200 języków docelowych, tworząc w pełni wyrównany korpus równoległy. Zbiór podzielony jest na trzy części: - **dev** (rozwojowa) — do dostrajania modeli. - **devtest** (pośrednie testowanie) — do wstępnej oceny. - **test** (finalne testowanie) — ukryta część służąca do rzetelnego porównywania modeli w konkursach. Do oznaczania języków stosowany jest standard ISO 639-3 z podaniem skryptu, na przykład \`eng_Latn\` dla języka angielskiego w piśmie łacińskim lub \`rus_Cyrl\` dla języka rosyjskiego w cyrylicy[\[5\]](https://systems-analysis.info/int/FLORES-200_(PL)#cite_note-huggingface_flores-5). ## Zastosowanie i znaczenie FLORES-200 stał się kluczowym standardem do oceny wielojęzycznych systemów maszynowego tłumaczenia. Został wykorzystany do ewaluacji flagowego modelu firmy Meta — **NLLB-200**. Testowanie na FLORES-200 wykazało, że NLLB-200 poprawiła jakość tłumaczenia średnio o **44%** według metryki BLEU w porównaniu z poprzednimi najlepszymi systemami[\[6\]](https://systems-analysis.info/int/FLORES-200_(PL)#cite_note-nllb_paper-6). Dla niektórych języków Afryki i Indii wzrost dokładności przekroczył **70%**[\[4\]](https://systems-analysis.info/int/FLORES-200_(PL)#cite_note-meta_news-4). Meta udostępniła dataset oraz narzędzia do jego wykorzystania na wolnej licencji **Creative Commons BY-SA 4.0**. Dzięki temu FLORES-200 szybko zyskał szerokie rozpowszechnienie i stał się standardem de facto w pracach naukowych, konkursach maszynowego tłumaczenia (np. WMT) oraz inicjatywach na rzecz ochrony języków. W 2023 roku społeczność OLDI (Open Language Data Initiative) rozpoczęła rozszerzanie korpusu pod nazwą **FLORES+**[\[2\]](https://systems-analysis.info/int/FLORES-200_(PL)#cite_note-flores_plus-2). ## Odnośniki - Oficjalny dataset na Hugging Face - Oficjalne repozytorium na GitHub ## Literatura - 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. ## Przypisy 1. [↑](https://systems-analysis.info/int/FLORES-200_(PL)#cite_ref-pwc_flores_1-0) «FLoRes-200 Dataset». *Papers With Code*. [1] 2. ↑ [2.0](https://systems-analysis.info/int/FLORES-200_(PL)#cite_ref-flores_plus_2-0) [2.1](https://systems-analysis.info/int/FLORES-200_(PL)#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_(PL)#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_(PL)#cite_ref-meta_news_4-0) [4.1](https://systems-analysis.info/int/FLORES-200_(PL)#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_(PL)#cite_ref-huggingface_flores_5-0) [5.1](https://systems-analysis.info/int/FLORES-200_(PL)#cite_ref-huggingface_flores_5-1) «Muennighoff/flores200». *Hugging Face*. [5] 6. [↑](https://systems-analysis.info/int/FLORES-200_(PL)#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]