Hvad vi lærte på EAMT 2026

I år fik tre medlemmer af vores team accepteret artikler på EAMT, den årlige konference for European Association for Machine Translation, der samler forskere, praktikere og branchefolk for at dele viden og diskutere status på området. Ved at præsentere vores eget arbejde og deltage i sessioner på tværs af hele programmet fik vi et ret klart billede af, hvor MT-forskningen står i 2026, og hvor der stadig er lang vej igen.

Marina Sánchez Torrón, ph.d., seniorlingvistisk ingeniør hos Smartling, indtager scenen ved EAMT 2026.

Her er vores største konklusioner:

Debatten om LLM'er er slut. Nu kommer den svære del.

Ingen hos EAMT spurgte, om man længere skulle bruge LLM'er til oversættelse. Det spørgsmål er afgjort. Samtalen er helt flyttet til, hvordan man implementerer dem godt, og det er her, det bliver interessant.

Et af de stærkeste signaler fra konferencen er, at enkeltstående LLM'er sjældent er tilstrækkelige til produktionsmiljøer. Den nye arkitektur er ikke "LLM i stedet for oversættelseshukommelse". Det er LLM plus oversættelseshukommelse plus hentning. Oversættelseshukommelser forsvinder ingen steder. De bliver genanvendt som kuraterede og veldokumenterede videnskilder, der indfører virksomhedsspecifik sproglig viden direkte i LLM-arbejdsgange. Rent TM'er af høj kvalitet er i stigende grad den afgørende faktor, uanset om du finjusterer eller bygger en RAG-arkitektur.

Multi-agent oversættelsesmetoder fik en del opmærksomhed, men den ærlige konklusion er, at de stadig er eksperimentelle. Juryen er ude med at afgøre, om generation i komitéstil er produktionsklar snart.

Terminologi og stil: fremskridt, men ikke løst

Hvis der var ét tema, der gik igen i næsten alle sessioner, var det dette: det er stort set nemt at oversætte generelt sprog. Det er ikke at oversætte specialiseret indhold konsekvent.

Terminologistyring er fortsat en af de største uløste produktionsudfordringer inden for området. En stor del af det tekniske program fokuserede på terminologioversættelse, biomedicinsk indhold, juridisk oversættelse og domænespecifik tilpasning, og frustrationen var håndgribelig. Overholdelse af stilguider blev igen og igen nævnt som et fælles smertepunkt, uden at nogen hævdede at have knækket det.

Forskere viste, at LLM'er har klare, målbare stilistiske fingeraftryk sammenlignet med menneskelige oversættere: højere leksikalsk tæthed, mere sofistikeret ordforråd, en tendens til at overbruge bindestreger og underbruge ellipser samt karakteristiske sætningslængdemønstre. Forsøg på at tilskynde LLM'er til at imitere specifikke litterære oversættere mislykkedes for det meste, med modelfamilie-effekter (GPT vs. Claude) stærkere end den stil, der tilskynder sig selv.

En vigtig konklusion: LLM'er har gjort stil målbar, men de har ikke løst problemet. Menneskelige oversættere forbliver i et klart distinkt stilistisk rum, som moderne modeller kan tilnærme sig, men ikke fuldt ud nå. AI-efterredigering kan forbedre stil- og terminologioverensstemmelse, men modeller overredigerer ofte, og menneskelig feedback er fortsat afgørende for at få output, hvor de skal være.

Finjustering er stadig vigtig

For ikke længe siden var der stor entusiasme for ideen om, at prompting ville erstatte modeltilpasning. Konferencens beviser understøtter ikke dette. Flere artikler viste klare fordele ved domænespecifik finjustering inden for juridiske, biomedicinske, litterære og tekniske områder. En LoRA-tilpasset EuroLLM-22B klarede sig bedre end Claude Sonnet med nul skud på oversættelse af EU-lovgivning.

Det bredere punkt: i tilfælde hvor præcision i terminologien, stilkrav eller lovgivningsmæssige begrænsninger er afgørende, forbliver specialiseret tilpasning værdifuld. Prompting og hentning er stadig vigtigere værktøjer, men de erstatter ikke domæneekspertise, der er indbygget i en model.

Opfordringer har flere nuancer end de fleste antager

Vores artikel om manuel vs. automatiseret promptoptimering (DSPy og GEPA) skabte stor nysgerrighed ved vores postersession. De fleste deltagere havde ikke hørt om GEPA, og mange så straks dets relevans for deres egne skaleringsudfordringer. Samtalen stoppede ikke ved en timesmærke, og vi var der gennem hele kaffepausen. Slator rapporterede om Smartlings forskningog bemærkede, at automatiseret optimering mindskede kløften med ekspertprompter til terminologi og oversættelse, mens ekspertvurdering stadig førte til fejldetektion i LQA.

Mere generelt understregede konferencen, at hurtigt design ikke er et løst problem. Struktur betyder mere end sprog: en fuld rolle + kontekst + målgruppe + formålsprompt reducerede konsekvent stilfejl på tværs af studier. Målsprogsprompter blev foretrukket af ekspertlingvister frem for prompter på kildesproget. Og automatiseret optimering vinder ikke altid; det afhænger i høj grad af opgaven.

Lavressourcesprog er fortsat den sværeste grænse

Trods betydelige fremskridt inden for sprogpar med mange ressourcer er lavressourcesprog og minoritetssprog stadig et vanskeligt og stort set uløst problem. LLM'er sammenblander stadig minoritetsvarianter med dominerende standarder, hvor valenciansk kollapser ind i standardcatalansk som et eksempel, der dukkede op. Syntetisk parallel datagenerering og RAG-baseret videndestillation er de mest lovende tilgange, men nye datasæt til sprog med underressourcer er stadig knappe.

NMT er heller ikke død på dette område. I datarige institutionelle sammenhænge kan specialiserede modeller stadig vinde, primært fordi de har adgang til massive, domænespecifikke træningsdata, der gør investeringen umagen værd.

Evaluering er flaskehalsen, der diskuteres

Det er blevet et nemmere problem at generere oversættelser. Det er dér, feltet sidder fast i en pålidelig definition og måling af deres kvalitet.

Traditionelle metrikker som BLEU og TER er i stigende grad utilstrækkelige til virkelige anvendelser. Et forkert kønsvalg kan næppe påvirke TER, men være en kritisk fejl i konteksten. Automatiserede metrikker, herunder traditionelle metrikker og LLM-som-dommer-tilgange, formår stadig ikke pålideligt at indfange kvalitet på dokumentniveau. Og som en oplægsholder udtrykte det: uden bedre evaluering risikerer branchen at optimere i den forkerte retning.

Intern implementering er ved at blive en reel prioritet

Et andet vigtigt tema var den voksende strategiske betydning af interne og lokale LLM'er. Offentlige, juridiske, parlamentariske og virksomhedsmæssige arbejdsgange kan ofte simpelthen ikke sende følsomt indhold til eksterne API'er. Krav til dataopbevaring er reelle, og de forsvinder ikke.

Dette skaber et reelt marked for mindre, lokalt udrullelige, specialiserede modeller, ikke fordi de nødvendigvis er bedre end banebrydende systemer i rå kvalitet, men fordi de er kontrollerbare. Implementeringsvenlighed, understøttelse af ordlister, håndtering af stilguider, integration af oversættelseshukommelse og en troværdig sikkerhedshistorie er reelle differentiatorer for et stort segment af markedet.

Hvad vi tager med os tilbage

EAMT 2026 bekræftede noget, vi hos Smartling føler ret stærkt for: fremtiden for produktionsoversættelse handler ikke bare om bedre modeller. Det er en kontrollerbar, auditerbar, domænespecifik og sikker oversættelsesinfrastruktur bygget oven på stærke LLM'er, baseret på hentning og oversættelseshukommelse, tilpasset til specifikke domæner og forfinet af mennesker til indhold med høj indsats. Vi er også på rette vej med hensyn til at arbejde med de åbne problemer, herunder evaluering, terminologi, stil og ressourcefattige sprog.

Vi er taknemmelige for EAMT for at have skabt rummet for disse samtaler, og for de forskere og praktikere, der delte deres arbejde så åbent. Vi ses næste år.

Spørgsmål om vores forskning eller hvordan Smartling griber disse udfordringer an? Kontakt os.