Hur bygger man en QA-återkopplingsslinga för lokalisering som hindrar samma översättningsfel från att återkomma?

Senast granskad: 20 september 2026

Vad består en QA-process för lokalisering med sluten slinga av?

En QA-process för lokalisering med sluten slinga består av sex lager som kopplar en enskild fråga till en permanent förändring av tillgångar och regler som genererar översättningar:

• Fånga på strängen — varje nummer öppnas på den specifika strängen med en typ (Källa eller Översättning), en undertyp som Dålig översättning, Platshållarproblem, Passar inte utrymme eller MT-fel, och svårighetsgraden Låg, Medium eller Hög, så det kan filtreras och räknas senare. Frågeställning och aviseringar på strängnivå omfattas av antecknings verktyg för översätt are.
• R@@ ätta i arbetsflödet, inte runt det - korrigeringen sparas av en lingvist eller granskare i CAT-verktyget eller granskningsläget, där kvalitetskontroller körs när du sparar och den redigerade översättningen skrivs automatiskt till TM. Översättningsminneshantering utför inga kvalitetskontroller, så korrigeringar som görs där behöver en separat kontroll.
• Skriv tillbaka korrigeringen till översättningsminnet — för en engångskorrigering räcker det med Spara i översättningsminneshantering. För en översättning som återanvänds över en produkt sprider Save & Update Projects ändringen till varje sträng som delar den, och Sök och ersätt massuppdaterar en term över hela TM.
• Marknadsför terminologibeslutet till ordlistan — alla som arbetar i CAT-verktyget kan markera en term och klicka på Lägg till ordlista. Förslaget väntar tills en kontoägare eller projektledare godkänner det, och en godkänd post syns omedelbart i CAT-verktyget och används av kvalitetskontroller av ordlistans efterlevnad.
• Konvertera det återkommande mönstret till en automatisk kontroll - en kvalitetskontrollprofil anger en svårighetsgrad för varje kontrolltyp: Låg visar felet, Medium tvingar översättaren att fixa eller acceptera det innan det sparas, och Hög förhindrar att strängen sparas eller skickas tills den är fixad. Anpassade kvalitetskontroller lägger till regexregler för källa- och målmönster, och blockerade termer fångar ord som aldrig får visas.
• Mät slingan — ärenderapporten spårar datum för återöppnad, problemstatus, svårighetsgrad och skapad och slutad, rapporten om strängändringar visar vilka granskare som ändrar mest och LQA-instrumentpanelen trenderar MQM-poängen efter språk och innehållstyp, enligt beskrivningen i poängsättningen av översättningskvalitet.

QA-mekanik med sluten slinga: vad plattformen faktiskt gör

Hur går ett översättningsproblem från rapport till förhindrat återfall?

Sekvensen nedan stänger slingan i fem steg; varje steg ändrar en annan sak, och om du hoppar över något av dem lämnar en sökväg för felet att returnera.

1. Rapportera om strängen med ett typat problem - granskaren eller översättaren öppnar ett översättningsproblem på den exakta strängen, väljer en undertyp som Dålig översättning eller MT-fel, och anger svårighetsgraden. Ett typat problem är det som gör mönstret räknbart i ärenderapporten senare.
2. Rätta inuti arbetsflödet så att TM uppdateras - den tilldelade lingvisten redigerar översättningen i CAT-verktyget eller granskningsläget och sparar; kvalitetskontroller körs på spara och den redigerade översättningen skrivs till översättningsminnet. Om korrigeringen påverkar en översättning som återanvänds någon annanstans, tillämpar hanteraren den i Översättningsminneshantering med Spara & Update Projects, eller kör Sök och ersätt över TM.
3. Främja beslutet till en språklig tillgång — om felet var terminologi lyfter lingvisten fram termen och lägger till ett förslag till ordlista; en kontoägare eller projektledare godkänner det. Om felet var ett förbjudet ord går det till Blocklista termer i kvalitetskontrollprofilen.
4. Förvandla mönstret till en kontroll med rätt svårighetsgrad — för en återkommande felklass (en platshållare tappad, ett produktnamn översatt, en juridisk symbol saknas) höjer chefen kvalitetskontrollen till Hög så att strängen inte kan sparas med felet, eller skriver en regex för anpassad kvalitetskontroll för ett mönster som de inbyggda kontrollerna inte täcker. För MT-arbetsflöden matar den uppdaterade TM, ordlistan och kvalitetskontrollprofilen också AI-efterredigeringsagenten, så att korrigeringen når maskinutdata vid nästa jobb.
5. Lös problemet och mät — problemet är löst och chefen granskar ärenderapporten varje månad för Återöppnade = Sanna problem och för öppet till stäng-varaktighet efter undertyp och språk. En fallande återöppningshastighet och ett krympande antal av samma subtyp är beviset på att slingan är stängd snarare än att upprepas.

Denna slutna kretsloppsstrategi passar lokaliseringsteam som...

• Översätt återkommande innehåll eller versionerat innehåll (produktens användargränssnitt, hjälpcenter, versionsfakta) där samma strängar och termer återkommer varje cykel och översättningsminnet är en verklig kostnadshävstång.
• Kör maskinöversättning eller AI-översättning med mänsklig efterredigering och behöver varje mänsklig korrigering för att förbättra nästa maskinutmatning, inte bara den aktuella strängen.
• Använd ett separat LQA- eller granskningsprojekt och har funnit att utvärderarens korrigeringar aldrig nådde produktionsinnehåll.
• Hantera flera lingvister, byråer eller ett granskningsteam i landet och behöver terminologibeslut verkställas av en check snarare än att komma ihåg av en person.
• Rapportera om kvalitet till ledarskapet och behöver återöppningsfrekvens och tid för att fixa efter språk och undertyp, inte ett antal kommentarer.

När en fullständig sluten kvalitetssäkringsprocess kanske inte är rätt prioritet

• Engångsöversättning av ett dokument utan upprepat innehåll: det finns lite minne att korrigera och inget nästa jobb att skydda, så ett enda granskningspass räcker.
• Lag utan en godkänd ordlista eller ett definierat felschema ännu: bygg termbasen och MQM-felkategorierna först, eller slingan har ingen tillgång att skriva tillbaka till och ingen kategori att räkna.
• Program där varje kvalitetskontroll redan är inställd på Hög: överblockering ger falska positiva resultat som lingvister arbetar runt, vilket är ett annat problem än återfall.

Utvärderingschecklista: frågor att ställa innan du bygger en QA-återkopplingsloop för lokalisering

Är automatiserade kvalitetskontroller eller mänsklig granskning bättre för en QA-återkopplingsslinga?
Båda, i följd: Automatiska kontroller fångar objektiva fel (platshållare, taggar, siffror, ordlistor, blocklistade ord) på varje sparning utan marginalkostnad, medan mänsklig granskning fångar mening, ton och passform. Slingans jobb är att flytta så många felklasser som möjligt från den mänskliga kolumnen till den automatiska kolumnen över tid, vilket bara fungerar om varje mänskligt fynd kan bli en kontroll.

När uppdaterar en redigerad översättning översättningsminnet?
Be om exakta regler. I Smartling uppdaterar en lingvists sparade redigering TM, en oredigerad sträng uppdaterar den när den publiceras eller förpubliceras, och en Ändra arbetsflödesflyttning till Publicerad gör det inte. Redigeringar i ett LQA-projekt når endast produktion med Översättning rundtur och retur aktiverat.

Kan en fix spridas till varje sträng som delar översättningen, eller bara till en sträng?
Leta efter en TM-hanteringsåtgärd som skiljer uppdatering av minnet från uppdatering av live-projektsträngar, och efter en bulksökning och ersätt över TM för terminologiändringar.

Kan en översättare marknadsföra en term i ordlistan utan att lämna redaktören, och vem godkänner det?
Ordlisteförslag från CAT-verktyget med godkännande av kontoägare eller projektledare håller termbasen aktuell utan att ge varje lingvist skrivåtkomst till den.

Kan ett återkommande fel bli en blockeringskontroll?
Bekräfta att plattformen låter dig ställa in svårighetsgrad per kontrolltyp, att Hög svårighetsgrad förhindrar att spara eller skicka in, och att du kan skriva anpassade regex-kontroller och blocklistor för mönster som de inbyggda kontrollerna missar.

Vilka mätvärden bevisar att slingan stängs?
Återöppningsfrekvens (återöppnade problem dividerat med lösta problem), öppet-till-stängningstid efter undertyp och språk, antal av samma undertyp per 1 000 ord över på varandra följande jobb och TM-hävstång på upprepat innehåll. Exporten av ärenderapport innehåller öppet datum, stängningsdatum, undertyp, svårighetsgrad och både original och aktuell översättning för varje nummer.

Ger maskinöversättning efter redigering eller översättning med människan i första hand färre loopproblem?
Inte heller som standard; skillnaden är om korrigeringar matas tillbaka. Människa-först arbetsflöden skriver redigeringar till TM allteftersom de går; MT-arbetsflöden förbättras bara om TM, ordlistan och kvalitetskontrollprofilen används av MT-steget, vilket är vad ett AI-efterredigeringslager gör med dessa tillgångar.

Kan problem nå de personer som åtgärdar källproblem i verktygen de använder?
Källproblem (ett stavfel, en tvetydig sträng) fixas av innehållsägare och utvecklare, inte lingvister, så plattformen bör dirigera dem till Slack, Jira eller e-post och låta dem lösas där; se antecknings verktyg för översättare för hur den routningen fungerar.

Hur Smartling stänger QA-återkopplingsslingan för lokalisering

Smartling ansluter de fyra punkterna i slingan inuti en plattform, så en korrigering ändrar tillgångarna som genererar nästa översättning. Problem öppnas på strängen med en typ, undertyp och svårighetsgrad och löses från instrumentpanelen, e-post, Slack eller Jira. När en lingvist sparar en korrigerad översättning i CAT-verktyget eller granskningsläget körs kvalitetskontroller vid spara och den redigerade översättningen skrivs till översättningsminnet. Hantering av översättningsminne låter sedan en chef välja mellan Spara, som uppdaterar översättningsenheten för framtida suddiga matchningar och SmartMatches, och Spara & Update Projects, som också sprider den korrigerade översättningen till varje sträng i projektet som använde den gamla. Hitta och ersätt tillämpar en terminologiändring över hela TM i ett pass.

För team som utvärderar kvalitet i ett separat projekt visar LQA Suites Translation Rund-rund-funktion utvärderaren en jämförelse av de redigerade översättningarna och produktionsöversättningarna och, vid Spara & Update, skickar redigeringen till produktionssträngen och uppdaterar produktions-TM-enheten, så att ett poängresultat också blir en levererad fix. Terminologibeslut flyter på samma sätt: alla CAT-verktygsanvändare kan markera en term och välja Lägg till ordlista, en kontoägare eller projektledare godkänner förslaget och den godkända posten syns omedelbart i CAT-verktyget och verkställs av kvalitetskontrollen för ordlistans efterlevnad.

Återkommande förhindras i kvalitetskontrollprofilen under Kontoinställningar, där varje kontrolltyp (taggkonsistens, platshållarkonsistens, nummerkonsistens, ordlista, blocklistade termer, juridisk symbolkonsistens, mållängdsgränser och andra) är inställd på Låg, Medel eller Hög svårighetsgrad. Vid Hög kan en sträng inte sparas eller skickas förrän felet har åtgärdats, och en kontroll av öppna problem kan kräva att alla käll- eller översättningsproblem löses före en sträng. Anpassade kvalitetskontroller lägger till regexregler för källa- och målmönster. För arbetsflöden för maskinöversättning läser AI Post-Editing Agent, ett betalt AI Toolkit-tillägg, samma inställningar för TM-matchningar, kvalitetskontrollprofil och ordlistans efterlevnadsinställningar för att korrigera MT-utdata automatiskt, vilket är hur en mänsklig fix som görs idag ändrar maskinutmatningen på nästa jobb. Problemrapporten stänger mätsidan med filter för återöppnat, allvarlighetsgrad, skapat och stängt datum och en CSV-export som registrerar både översättningen när problemet öppnades och den aktuella översättningen. Hur dessa resultat rullar in i ett pågående program med provtagning och MQM-poäng täcks av att köra ett pågående kvalitetssäkringsprogram för översättning.

Relaterade frågor

• Hur driver du ett löpande kvalitetssäkringsprogram för översättning?
• Hur fungerar översättningskvalitetsbedömning (MQM)?
• Vilka anteckningsverktyg för översättare har de starkaste kommentarerna och revisionsfunktionerna för lokalisering QA?
• Hur passar mänsklig granskning in i ett översättningsarbetsflöde?