--- title: "FLORES-200 (TH)" source: "https://systems-analysis.info/int/FLORES-200_(TH)" wiki: "systems-analysis.info/int" article: "FLORES-200_(TH)" language: "th" categories: - "Category:Large language models" - "Category:LLM benchmarks" - "Category:Machine learning" - "Category:Thai" revision_id: 2099 wiki_created_at: 2026-09-06T22:58:36Z wiki_modified_at: 2026-09-06T22:58:36Z downloaded_at: 2026-09-07T22:49:19Z --- # FLORES-200 (TH) **FLORES-200** — คือชุดข้อมูลสำหรับการประเมินการแปลภาษาด้วยเครื่องแบบหลายภาษา ครอบคลุมประมาณ 200 ภาษาทั่วโลก ชุดข้อมูลนี้ถูกสร้างขึ้นโดยนักวิจัยของบริษัท Meta ภายใต้โครงการ **No Language Left Behind (NLLB)** และเปิดตัวในปี 2022 FLORES-200 เป็นการขยายต่อยอดจากชุดข้อมูลก่อนหน้าคือ **FLORES-101** และมีวัตถุประสงค์เพื่อประเมินคุณภาพการแปลอย่างเป็นกลาง โดยเฉพาะอย่างยิ่งสำหรับภาษาที่มีทรัพยากรน้อย[\[1\]](https://systems-analysis.info/int/FLORES-200_(TH)#cite_note-pwc_flores-1) คุณลักษณะสำคัญของ dataset นี้คือข้อความทั้งหมดได้รับการแปลโดยนักแปลมืออาชีพ ซึ่งรับประกันคุณภาพสูงของการแปลอ้างอิง และทำให้ชุดข้อมูลนี้เป็นมาตรฐานที่เชื่อถือได้สำหรับการเปรียบเทียบระบบการแปลด้วยเครื่อง[\[2\]](https://systems-analysis.info/int/FLORES-200_(TH)#cite_note-flores_plus-2) ## ประวัติความเป็นมาและการสร้างชุดข้อมูล เวอร์ชันแรก **FLORES-101** ได้รับการนำเสนอในปี 2022 และประกอบด้วยประโยค 3,001 ประโยคจากวิกิพีเดียภาษาอังกฤษ ซึ่งได้รับการแปลเป็น 101 ภาษา[\[3\]](https://systems-analysis.info/int/FLORES-200_(TH)#cite_note-flores101_paper-3) ชุดข้อมูลนี้เติมเต็มช่องว่างสำคัญในการประเมินระบบการแปลสำหรับภาษาที่มีข้อมูลน้อย ในปี 2022 ภายใต้โครงการ **No Language Left Behind** บริษัท Meta ได้ขยายคลังข้อมูลเป็น 200 ภาษา โดยสร้าง **FLORES-200**[\[4\]](https://systems-analysis.info/int/FLORES-200_(TH)#cite_note-meta_news-4) การพัฒนาดังกล่าวเผชิญกับความยากลำบากหลายประการ: - ภาษาที่เพิ่มเข้ามาหลายภาษามีการกำหนดมาตรฐานต่ำและขาดแคลนผู้เชี่ยวชาญสองภาษา - บางภาษาได้รับการแปลโดยไม่ตรงจากภาษาอังกฤษ แต่ผ่านภาษาตัวกลาง (สเปน ฝรั่งเศส รัสเซีย) - สำหรับบางภาษาได้รวมระบบการเขียนที่แตกต่างกัน (เช่น อักษรละตินและอักษรซีริลลิก) เพื่อคำนึงถึงการใช้งานในชุมชนที่แตกต่างกัน[\[5\]](https://systems-analysis.info/int/FLORES-200_(TH)#cite_note-huggingface_flores-5) ## องค์ประกอบและโครงสร้าง คลังข้อมูล FLORES-200 ประกอบด้วย **3,001 ประโยค** ที่คัดเลือกจากบทความเว็บและเอกสารจากโครงการ Wikimedia จำนวน 842 รายการที่แตกต่างกัน ต่างจากเวอร์ชันแรก แหล่งที่มาไม่ได้มีเพียงวิกิพีเดียเท่านั้น แต่รวมถึงโครงการอื่นๆ เช่น Wikinews, Wikijunior และ Wikivoyage ซึ่งทำให้มีความหลากหลายของหัวข้อในวงกว้าง (ข่าว วิทยาศาสตร์ วัฒนธรรม การท่องเที่ยว) ช่วยให้สามารถทดสอบคุณภาพการแปลได้อย่างครอบคลุม ประโยคภาษาอังกฤษแต่ละประโยคได้รับการแปลอย่างมืออาชีพเป็นภาษาเป้าหมายประมาณ 200 ภาษา ก่อให้เกิดคลังข้อมูลคู่ขนานที่จัดเรียงกันอย่างสมบูรณ์ ชุดข้อมูลแบ่งออกเป็นสามส่วน: - **dev** (การพัฒนา) — สำหรับการปรับจูน model - **devtest** (การทดสอบระดับกลาง) — สำหรับการประเมินเบื้องต้น - **test** (การทดสอบขั้นสุดท้าย) — ส่วนที่ซ่อนไว้สำหรับการเปรียบเทียบ model อย่างยุติธรรมในการแข่งขัน สำหรับการระบุภาษาใช้มาตรฐาน ISO 639-3 พร้อมระบุสคริปต์ เช่น \`eng_Latn\` สำหรับภาษาอังกฤษในอักษรละติน หรือ \`rus_Cyrl\` สำหรับภาษารัสเซียในอักษรซีริลลิก[\[5\]](https://systems-analysis.info/int/FLORES-200_(TH)#cite_note-huggingface_flores-5) ## การนำไปใช้และความสำคัญ FLORES-200 กลายเป็นมาตรฐานสำคัญสำหรับการประเมินระบบการแปลภาษาด้วยเครื่องแบบหลายภาษา ชุดข้อมูลนี้ถูกนำมาใช้ประเมิน model หลักของ Meta ซึ่งก็คือ **NLLB-200** การทดสอบบน FLORES-200 แสดงให้เห็นว่า NLLB-200 ปรับปรุงคุณภาพการแปลโดยเฉลี่ย **44%** ตามเมตริก BLEU เมื่อเปรียบเทียบกับระบบที่ดีที่สุดก่อนหน้า[\[6\]](https://systems-analysis.info/int/FLORES-200_(TH)#cite_note-nllb_paper-6) สำหรับบางภาษาในแอฟริกาและอินเดีย การเพิ่มขึ้นของความแม่นยำเกิน **70%**[\[4\]](https://systems-analysis.info/int/FLORES-200_(TH)#cite_note-meta_news-4) Meta เปิดให้เข้าถึง dataset และเครื่องมือสำหรับการใช้งานได้อย่างเสรีภายใต้ลิขสิทธิ์ **Creative Commons BY-SA 4.0** ด้วยเหตุนี้ FLORES-200 จึงได้รับการใช้งานอย่างแพร่หลายอย่างรวดเร็วและกลายเป็นมาตรฐาน de facto ในงานวิจัยทางวิทยาศาสตร์ การแข่งขันการแปลด้วยเครื่อง (เช่น WMT) และโครงการริเริ่มเพื่อการอนุรักษ์ภาษา ในปี 2023 ชุมชน OLDI (Open Language Data Initiative) เริ่มขยายคลังข้อมูลภายใต้ชื่อ **FLORES+**[\[2\]](https://systems-analysis.info/int/FLORES-200_(TH)#cite_note-flores_plus-2) ## ลิงก์ - dataset อย่างเป็นทางการบน Hugging Face - คลังข้อมูลอย่างเป็นทางการบน GitHub ## เอกสารอ้างอิง - 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. ## หมายเหตุ 1. [↑](https://systems-analysis.info/int/FLORES-200_(TH)#cite_ref-pwc_flores_1-0) «FLoRes-200 Dataset». *Papers With Code*. [1] 2. ↑ [2.0](https://systems-analysis.info/int/FLORES-200_(TH)#cite_ref-flores_plus_2-0) [2.1](https://systems-analysis.info/int/FLORES-200_(TH)#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_(TH)#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_(TH)#cite_ref-meta_news_4-0) [4.1](https://systems-analysis.info/int/FLORES-200_(TH)#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_(TH)#cite_ref-huggingface_flores_5-0) [5.1](https://systems-analysis.info/int/FLORES-200_(TH)#cite_ref-huggingface_flores_5-1) «Muennighoff/flores200». *Hugging Face*. [5] 6. [↑](https://systems-analysis.info/int/FLORES-200_(TH)#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]