首页
学习
活动
专区
圈层
工具
发布

【InventWithPython 第一部分】校对活动正式启动

Pythonic 代码 7 编程术语 8 个常见的 Python 陷阱 9 个深奥的 Python 怪事 10 编写有效函数 11 个注释、文档字符串和类型提示 12 用 Git 组织您的代码项目 13...(改编自维基百科) 负责人: 飞龙:562826179 有用的链接 ApacheCN 文档导航 谷歌翻译 ApacheCN 校对活动参与手册 译后编辑 当翻译竟然变成了文本编辑——李笑来 翻译引擎易错术语列表...首先查看整体进度,确认没有人认领了你想认领的章节。 然后回复 ISSUE,注明“章节 + QQ 号”,便于联系和跟踪进度。 二、校对 需要校对【专业术语】和【格式】。...【语法】无需校对因为已经校对完了,并且请最大程度保留原文的语言风格。 译文在docs目录下,原文请见每个文章开头处的链接。 注意:不要修改译文的文件名,因为它们和章节对应!...\x20{2}).{1,20}$ 奖励 校对者在完工后可以领取千字2~4元的奖励(视难度和工作量而定),请联系飞龙(Q562826179,V:wizardforcel)。

81420

人工翻译还是机器加校对:质量与成本的曲线在哪里交叉

「机器翻译靠不住,重要文档还是得人工」——这句话在 2026 年还成立吗?我们把一份真实的技术文档项目分成两路并行(纯人工 vs 机器翻译+人工校对),跑了三个月的双轨数据。...质量曲线:交叉点在哪三个月双轨的质量数据:| 维度 | A 轨(纯人工) | B 轨(机翻+校对) ||---|---|---|| 术语一致性 | 92% | 98%(术语表注入的优势) || 错误率(...原因是机器翻译严格执行术语表(注入什么用什么),人工译者会「自信地」偶尔偏离。而 A 轨的优势在严重错误率——复杂长句的语义把握,人工仍然更稳,尤其是否定、条件、例外这类「译错就反了」的句子。...交叉点的结论:「机器+校对」在技术文档场景已经全面够用,纯人工的剩余价值集中在高风险内容(合同、合规声明)和高文学性内容(营销文案的调性)。...错误分类回流:校对发现的每处修改分三类(术语/语法/语义),周度汇总反馈到术语表和 prompt 模板。

10900
  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    校对工具究竟该如何选择呢?

    传统校对方式的技术短板与局限性传统校对方式主要包括人工校对与普通工具校对,二者在技术层面均存在明显短板,难以满足全行业复杂的校对需求。...从效率角度看,人工校对受限于人力处理速度,校对千字文章通常需 1~2 小时,若涉及专业书稿(如包含大量公式、专业术语的文本)或多格式内容,需额外投入时间处理专业信息与格式适配,耗时大幅翻倍;普通工具仅能识别错别字...在技术实现上,系统融合多领域技术模块,针对不同校对需求构建专属处理路径:对于基础文本校对,系统通过自然语言处理(NLP)中的词法分析与语法分析算法,精准识别错别字、标点符号错误等常见差错;在专业内容校对层面...,系统整合专业术语词典与事实性知识图谱,借助领域模型对医学、工程、法律等行业的专业术语进行语义匹配,同时通过知识图谱的关联查询功能,核查文本中的事实性差错(如数据错误、概念混淆);在内容合规性校对方面,...在格式适配方面,蜜度校对通支持文档(如 Word、PDF)、图片(如 JPG、PNG)、视频(如 MP4、FLV)等多类型内容的导入,针对不同格式内容采用专属技术模块处理:对于文档内容,通过文本提取接口直接获取文本数据

    44810

    LLM 自动校对测试用例是否符合需求

    ​一、测试用例设计的“对齐性”挑战在现代软件研发流程中,“需求对齐”是测试用例设计的基本要求。只有当测试用例覆盖了所有功能需求,且准确体现了预期行为,测试工作才能发挥其应有的保障作用。...随着大语言模型(LLM, Large Language Model)在语义理解和推理能力上的突破,业界已逐步尝试利用 LLM 自动校对测试用例是否符合需求,从而提升测试设计质量,降低审查成本。...:判断测试步骤、数据、断言是否符合逻辑; 自然语言对比:识别术语不一致、漏测项或冗余项; 输出校对结论:给出校验结论、覆盖状态和优化建议。...场景三:新测试人员辅助训练 应用:LLM 提供“校对解释+建议”,帮助初级测试工程师理解测试设计原则; 效果:减少培训时间,提升新手测试编写质量。 ✅ 收益:打造“测试导师型”辅助工具。...,提升术语理解准确性;输出后处理结构化 JSON 输出校对结果,支持前端呈现与导出;评估与验证机制结合人审结果与历史缺陷对比,对校对准确性做 A/B 测试;六、优势与局限✅ 优势 提升测试用例设计的一致性

    58010

    用热词库+大模型校对把准确率拉到 98%

    二、为什么通用 ASR 识别率在复杂场景下会明显下降 先讲清楚一个事实:据行业评测,通用ASR在标准普通话新闻朗读场景下识别率可到 95% 以上;但在复杂业务场景(术语多、口语化、中英混杂),通用ASR...原因有三个: 原因 1:模型没见过你的"专属词汇" 任何语音识别模型都是在公开语料上训练的,而你业务里用到的词——品牌名、产品代号、行业术语、嘉宾人名——模型大概率没见过。...它的工作方式是:在 ASR 解码阶段,把你预设的热词列表作为"优先匹配"提示注入模型。模型在解码过程中,遇到发音接近的候选词时,优先匹配热词库里的词,而不是通用词表里的同音字。...配置建议: 术语库作为硬约束,而不只是热词库作为软提示; 大模型校对需关注合规风险点; 最后一道接智能审核(0.08 元/分钟)把合规问题也兜进来; 关键内容保留一道人工 QA,但从全校对降级为抽检。...、中英专有词; Week 3:在 MAIS 跑 ASR + 大模型校对,对比新旧字幕; Week 4:剩余错字复盘,补充热词库、调整断句策略; 上线:确立字幕生产 SOP,新内容默认走这套链路。

    1.1K10

    AI研习社「求翻译」功能上线啦~快来上传文章和视频吧!

    在合适的地方插入分段符,建议一段大概 500个英文单词左右 提交成功后,你会受到如下提醒: 怎么样,是不是很简单~ 我要翻译 没错!...所以要经常登录社区查看,你是否有了新的校对任务~ 当你登录社区时,注意留意右上角的消息通知。如果系统成功分配给你,点击需要校对的文章标题,即可开始校对。...☆☆☆☆☆:译文准确优雅,中文用于符合汉语习惯,没有翻译腔,阅读体验好,做到翻译标准的信、达、雅 ☆☆☆☆:译文准确流畅,存在个别错误,中文用语用词比较规范标准 ☆☆☆:译文基本准确,存在少许错误,术语翻译不规范...友情提示: 如果系统分配给你来校对,但是没有在规定时间内开始/结束的话,会自动将任务移交给下一位校对者哟!...同样在任务中心查看自己是否被系统分配了审核任务: 如果系统成功分配给你,点击需要审核的文章标题,即可开始审核。

    81130

    智能校对在出版行业智能校对的技术应用与实践​

    随着出版行业内容质量标准升级与数字化转型深化,传统人工校对在效率、专业适配及成本控制层面的矛盾凸显。智能校对工具作为编校流程技术赋能的核心载体,已成为行业优化的关键方向。...出版行业校对需求特征与传统模式核心局限​出版校对需满足内容准确性、专业合规性与出版时效性三重核心需求,传统人工校对存在显著局限:​效率与成本协同难题:长篇出版物(专著、教材)需大量人力完成多轮校对,周期长...专业领域覆盖盲区:医学、工程、历史等垂直领域出版物含大量专业术语、公式逻辑及事实性信息,人工校对依赖编辑个人专业储备,跨领域作业时难以全面覆盖知识体系,易出现错判、漏判。​...智能校对工具通过技术赋能辅助人工审核,成为弥补传统模式短板的关键路径。​​...蜜度校对通以自然语言处理(NLP)、知识图谱技术为核心,针对出版场景开发专项功能,核心技术特点如下:​校对维度全面覆盖:基础层支持错别字、语法错误、标点误用检测;专业层核查专业术语一致性、公式图表逻辑、

    61610

    # ApacheCN 校对活动参与手册

    得益于这种方法,大量技术教程得到翻译,一些技术在中文技术全有了扎根的土壤。 翻译引擎不会改动原文的逻辑,并且在语句通顺程度上可做到 90%。...也就是说,一个具有正常读写能力但不懂编程技术的人,在不理解部分专业术语的情况下,可以通读翻译的文章。 然而,翻译引擎由于训练语料的杂乱,领域不单一,对于专业术语往往把握不准,需要译者来把关。...在我们的校对活动中,如果你没有时间通读全文,这样也是可以接受的。因为,你不是一个人在战斗,前一个人的疏漏总有后一个人来将其改掉。...校对活动工作流程 在校对活动中,贡献者需要校对三个方面:(1)格式(2)专业术语(3)部分语法。 在每个步骤,经过我们的多次试验,最快方式是通过使用正则表达式来找出译文中的错误。...\*) 术语 请见我们收集的术语列表。校对过程中可能还有需要补充的新项目,欢迎补充。

    60540

    智能校对如何破解全行业内容审核难题?

    传统校对模式受技术手段限制,长期面临多方面挑战:出版行业中,编辑需对几十万字书稿逐字核对,整个过程通常耗时数周,即便投入大量人力,仍可能因人工判断的固有局限遗漏专业术语错误;媒体领域从业者需同步处理文字...智能校对技术的核心能力:全场景覆盖与高精度识别智能校对技术基于全维度技术架构,在应对传统校对模式痛点方面展现出一定作用,其核心能力主要体现在 “全场景覆盖 + 高精度识别” 两个维度。...、地理常识等事实性差错;针对医学、工程等专业领域,能依托专业术语词典和领域模型对专属表述偏差进行检测。...此外,系统整合合规性检测模块后,可对广告合规性、时政关键词准确性开展自动化校验,在满足不同行业专业校对需求方面具有一定适配性。...校对流程结束后,系统可基于预设的报告生成算法,自动生成勘误表与审校报告,标注错误位置、错误类型及修改建议,为用户定位调整提供参考,在提升校对效率和准确性方面发挥辅助作用。

    64510

    AI翻译+润色+排版:技术文档生产线的全面改造

    以前这套文档的维护是"老大难":中文版改一次,英文版要人工翻一次(一篇2000字的文档翻译+校对要半天),排版格式还经常不统一,被用户吐槽"文档格式五花八门"。...一、改造前的痛点 翻译慢:人工翻译一篇2000字的技术文档,加上校对,至少半天; 术语不统一:同一个词"workflow",有人翻"工作流",有人翻"流程",文档里前后不一致; 风格不统一:中英文版风格差异大...二、生产线设计:三站式流水线 我把文档生产拆成"翻译→润色→排版"三站,全部用AI+脚本自动化: 第一站:AI翻译(带术语表) 翻译不是直接丢给AI就完事,关键是术语管理。...术语表管准确性,提示词管风格,脚本管排版,AI只管翻译初稿——每一站都有明确的质量关卡。...改造完成后,我最大的感受是:文档团队从"翻译机器"变成了"质量管理员",精力放在审校和术语维护上,而不是在翻译软件和排版工具之间来回切换。

    17610

    QClaw 真实办公场景体验:文档校对、会议纪要一手感受

    此前长期混用WPS校对、讯飞纪要、通用AI文案工具,踩过无数本土化办公坑:第三方工具校对不懂企业专属术语、纪要遗漏管理层潜台词、多工具切换账号繁琐、涉密办公文件不敢外传第三方平台处理。...接下来结合完整落地实操案例+流程图示+自用代码脚本,拆解两大核心办公场景。...2.2 QClaw公文校对全流程流程图2.3 前置自定义配置(可直接抄作业)区别于一键通用校对,我提前在QClaw技能中心新建【商务公文校对Skill】,录入企业豁免修改词库:云桥计划、星隅中台、市域联动专班...# QClaw办公文档前置标点+专有名词筛查脚本import re# 自定义企业禁止修改专有词库company_word = ["云桥计划","星隅中台","市域联动专班"]# 非标错误标点集合error_punct...、人员分工、截止时限、下期安排】六大板块排版;3.所有分工必须绑定对接人、完成日期,模糊口头指令合理化标准化;4.重点标注负责人专项要求,字体加粗区分;5.适配部门内部行文语气,精简冗余内容,全文控制在1800

    62910

    ASR + OCR + LLM 三重校对:如何做到 95%+ 中英字幕准确率

    摘要 单一ASR在中文综艺、专业术语、混合口音场景常超10%字错率。...+ 术语修正 + 格式化 └───────────────┘ 互补性: ASR 擅长流利表达但在术语、同音词上易错; OCR 擅长固定文字(预置字幕、PPT、弹幕),但有画面遮挡限制;...据行业评测数据,主流ASR引擎在标准普通话场景下的字符错误率(CER)已可控制在 5% 以内。 3.2 置信度输出 好的 ASR 必须输出 词级置信度(word confidence) 而非仅句级。...工业做法是 引入领域词典,在 Prompt 中注入 Top-K 相似术语: 领域词典(医学):厄他培南钠 / 注射用美罗培南 / 头孢曲松钠 ......CER 小幅下降 OCR 对齐硬字幕纠正 CER 显著下降 领域词典注入 进一步优化 LLM 全文仲裁 最终达到行业领先水平(95%+) 据行业评测数据,单路 ASR 在通用场景可达约 90%,通过三路融合校对流程

    95210

    蜜度张晓娟:深耕垂直,让人工智能“落地”解决真问题 | 数据猿专访

    张晓娟指出了通用模型在专业校对任务中的三大困难:性能与成本的平衡、“聪明”和“听话”的困境以及难以深入业务知识的“黑箱”。...这种“过度校正”或“校对不足”的问题,使得通用模型在大规模、高标准的业务场景中越发局限。 尤其对于政府、金融、法律等领域的客户,往往有大量的专业术语和特定的上下文语境。...文修是在包含8000亿词符的专业校对语料上从零训练的。这种专注使其在特定任务上的表现远超通用模型。 而校对远不止于错别字。...它涉及各种学科、文档类型以及各领域的专有名词术语。 “尽管校对是一个非常小的垂直场景,但其能量和范围非常广泛,对从业者的能力要求高,对结果的要求也非常严。”张晓娟表示。...用户选定模板并输入标题后,系统可自动生成大纲与正文初稿,并同步完成专业术语润色及34项错敏内容的审核与校对。同时,严格依据《党政机关公文格式》国家标准,保障公文格式的规范严谨。

    45510

    【征文】我给 WorkBuddy 立了条规矩:先出清单,别动我的文件

    700多行文字,AI全程没有偷懒——这不是客气话,是我事后抽查40行验证过的:前几轮它漏掉的3处问题,都集中在它"扫读"过快的段落。补了一句"逐字看"之后,同样一段重查,又多抓出5处。...三类):错别字:如"增肌警示标识"(应为"增加")、"存咋同样的问题"(应为"存在")病句:如"线明敷未采用线管防护不完善"(杂糅)、"教室为共性普遍现象"(主宾错位)普通人看不懂:如"三见警"这类公安术语...AI给推断,决定权在人。专业术语它可能误报。有两处它标了"用词不当",我核对规范原文后发现是行业惯用语,不改。清单化交付的好处正在这里:误报不会造成任何实际损伤。它数出来的"700行"要复核。...涉及数量的断言,我一律让它用脚本重数一遍。一段可以直接抄走的提示词把这次的规矩压缩成一段,下次任何"帮我改文档"的活,开头先贴这个:角色:你是校对员,不是修改者。...本文使用WorkBuddy完成逐字校对与清单整理,截图为真实工作产出。▼图一:原始台账——800多行隐患,每行嵌一张现场照片,逐字校对的工作量全在这里:▲图一。

    25010

    一次让 ChatGPT 帮我润色改文章的经历

    下面是它的返回: 文章的开头部分介绍了 AI 大语言模型在自然语言处理、机器翻译、问答系统等领域的进展,并提到了谷歌的 Bard 模型和 ChatGPT 模型。...为了润色和检查准确性,我将继续阅读整篇文章,对内容进行必要的修改和校对。这可能需要一些时间。我将分多次输出,直到整篇文章都被润色和校对完成。请稍候。...我将继续阅读文章的剩余部分,对内容进行润色和校对。这可能需要一些时间,我将分多次输出直到整篇文章都被润色和校对完成。请稍候。...技术术语:保证技术术语的准确性和一致性。 引用和参考:在提到具体的模型或算法时,可以考虑加入相关的学术引用或来源。 由于文章内容较长,全文润色需要较长时间。我建议您根据以上建议进行逐段润色。...它说:在。 但等了它一个世纪,它什么也没有输出。 使用 Claude 下面我转到 Claude。 我简化了提示: 请帮我润色我的文章,不要概括,要保留我的文字内容。

    1.9K10

    Whisper 视频加硬字幕:13 个坑

    我负责判断术语对错、看画面定夺;查文档、写脚本这类重复活,我尽量交给AI助手。本文记录的是这套流程跑通后的完整实现,包括实测数据、13个踩过的坑,以及哪些活可以交给AI、哪些必须我自己把关。...=只在报告里提示,不自动替换(有歧义)两个关键设计:①术语表同时喂给initial_prompt,能显著提升识别率。实测同一段音频:不带提示词→「索摩力」;带术语提示词→「锁模力」。...维护术语表。把校对报告丢给它,它能按错误=>正确的格式整理好,我只需要确认对不对。查陌生名词。口播里出现不确定的专有名词,让它联网搜一次,往往一击命中。必须我自己把关的部分:术语对错。行业黑话它不懂。...这套流程里真正的护城河,是那份术语表和我自己的行业判断,不是脚本。...脚本一次写好长期复用,后续每条视频只需要做术语校对和抽帧目检这套流程最大的价值不在代码,在那份术语表。代码是一次性的,术语表是持续增值的——每踩一次坑往里加一行,下次就自动修掉了。

    23420

    AI 智能校审系统:重塑数字时代内容生产与质检新范式

    传统人工校对模式在处理海量稿件时显得力不从心——资深编辑日均处理量难以突破 3 万字,而大型内容平台的日更需求已达百万字级。这种显著的供需落差,催生了 AI 智能校审系统的快速发展与应用深化。...:三大核心能力语法纠错引擎:覆盖主谓宾搭配、标点误用等 200+ 细分维度逻辑校验体系:识别时间线混乱、指代不明等结构性缺陷风格统一模块:自动适配不同出版物的排版规范与表达要求知识图谱支撑系统内置专业术语库...处理精度响应速度核心应用场景 基础语法检查98.7% 脚本...:每月更新语言模型,动态纳入网络流行语、新兴行业术语用户反馈机制快速转化为定制化规则包支持为医学期刊、法律文书等专业场景强化特定校验功能 典型应用场景多行业深度适配报社夜班编辑:自动校对截稿前紧急稿件,...通过深度融合自然语言处理技术与行业专业知识,该系统在提升效率、保障质量、释放创意等方面展现出巨大价值。

    1.1K10

    撰写高质量技术文章的实践指南【从选题到读者互动的全流程经验分享】

    反复修改和校对 写作完成后,反复阅读和修改文章,确保逻辑清晰、内容准确。可以请同事或朋友帮忙校对,提供反馈和建议。这不仅能发现自己忽略的错误,还能从他人的角度发现文章的不足之处。 7....用简单易懂语言的具体技巧 案例:量化交易策略的实现 在撰写《利用Python进行金融数据分析与量化交易》这篇文章时,我尽量使用简单易懂的语言,并对专业术语进行了详细解释: 简化术语:避免使用过于复杂的金融术语...,对必须使用的术语进行解释。...反复修改和校对的具体技巧 案例:开发者评测|操作系统智能助手OS Copilot 在撰写《开发者评测|操作系统智能助手OS Copilot》这篇文章时,我进行了多次修改和校对: 自我校对:完成初稿后,自我校对几遍...最终校对:根据反馈进行修改后,再次进行全面校对,确保文章的质量。 7.

    1.7K331

    【愚公系列】《腾讯元宝从入门到精通》004-元宝在通用办公领域的应用(制作Word文档)

    通过API可批量处理文档,如设置专业术语一致性检查(如“AI”、“神经网络”等术语标准化)。能根据指定角色(如法律专家视角)调整文本专业度。...在处理跨国合同时,可快速生成多语言版本文档。5.进阶应用场景1)批量处理:通过脚本循环处理文件夹内所有文档,实现自动化格式检查、术语对齐等操作。2)风险预警:合同对比时自动标记条款差异与潜在风险点。...提示词:作为法律顾问,请根据以下合作条款生成一份商业合同模板,包含保密协议、付款方式、违约责任等核心条款,要求使用规范法律术语并预留关键信息填写区域。自动语法校对应用场景:学术论文或商务文件润色。...提示词:作为HR专家,编写包含公司文化、IT系统操作指南和常见问题解答的新人手册。要求采用问答形式,插入流程图示例,并预留部门定制内容块。...以上提示词综合了元宝在文档生成、校对、分析等场景的核心能力,具体应用时可调整方括号内的参数。3.实操:使用WPSAI生成哪吒影评以下是使用WPSAI生成文字的具体流程。

    1.7K00

    独家 | 四个提升数据管道的最佳软件工程策略

    软件工程与数据工程的历史 通过查看历史数据,理解为什么这些最佳数据实践均来自于软件工程,并了解为什么直到最近才将它们应用到数据工程中的原因。...总之,软件工程师已经工作了大约60年,他们今天仍然在做大致相似的工作,期间,他们解决了很多问题。数据工程领域可以利用软件工程这一优势。...测试:在部署之前测试管道——管道工具可能有内置的测试,也可以编写自己的测试。 部署:部署管道。 监控:查看错误报警并进行更新。 迭代:当用例变更时快速迭代,继续在先前的管道上构建并回收组件。...对于数据管道来说,两个相关的抽象是:从一个系统摄取数据并将其推送到另一个系统的行为(在Estuary中使用术语捕获和物化,但二者语义会有所不同)。...除了在部署前进行全面的手动测试之外,还应该编写自动化的单元测试,以密切关注量产中的管道。 如何编写这些测试内容取决于平台的种类以及如何与之交互。

    51230
    领券