💬 NLP

Analysis of Numerical Localisation in LLM Translations

Este artículo amplía la investigación previa sobre la traducción numérica al evaluar cinco modelos de lenguaje de gran tamaño compatibles con productos básicos, encontrando que la incorporación directa de los principios de localización en el contexto del prompt produce mejoras estadísticamente significativas en la precisión para traducir tiempos, números y fechas en comparación con la traducción directa u otras estrategias.

Autores originales: Patrizia Kaye

Publicado 2026-08-07

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Patrizia Kaye

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina que estás intentando enviar una postal a un amigo en un país diferente. Escribes la fecha como "07/04/2024". Para ti, es el 4 de julio. Para tu amigo en el Reino Unido, es el 7 de abril. Si estás enviando una receta, una transferencia bancaria o una fórmula científica, equivocarse con los números y las fechas no es solo un error tipográfico; es un desastre. Este es el mundo de la localización. Mientras que la traducción es como cambiar palabras (cambiar "dog" por "Hund"), la localización es como cambiar todo el atuendo de la información para que se ajuste a la cultura local. Es decidir si usar un traje o un esmoquin, o en este caso, si usar una coma o un punto para separar decimales.

Entran en escena los Modelos de Lenguaje Extensos (LLM). Piensa en ellos como robots increíblemente inteligentes y superrápidos que han leído casi todo lo que hay en internet. Son excelentes escribiendo historias y traduciendo frases, pero a veces tropiezan cuando se trata de las reglas estrictas de números y fechas. Pueden saber que "1,000" significa mil, pero pueden olvidar que en Alemania, ese mismo número se escribe como "1.000". Este artículo se sumerge en un rincón específico de la ciencia de la IA: ¿Pueden estos cerebros robóticos no solo traducir palabras, sino también "vestir" correctamente los números y las fechas para un nuevo país? Es una pregunta crucial porque, si una IA se equivoca en la localización, podría convertir una dosis médica segura en una peligrosa o una pequeña ganancia en una pérdida masiva.

El Gran Cambio de Look de los Números

En este estudio, una investigadora llamada Patrizia Kaye puso a prueba cinco modelos de IA diferentes. Estos no eran modelos masivos del tamaño de una supercomputadora que cuestan millones de dólares para funcionar; en su lugar, eligió cinco modelos "commodity" más pequeños que pueden ejecutarse en hardware estándar, como una potente laptop para juegos. Quería ver si estos modelos podían manejar la complicada tarea de traducir texto del inglés al alemán (y viceversa) obteniendo los números, fechas y horas exactamente correctos según las reglas locales.

Para hacer esto, preparó un pequeño experimento. Tomó 700 frases que contenían fechas, horas y números de fuentes del mundo real, como registros del Parlamento Europeo y documentos médicos. Luego, pidió a los modelos de IA que las tradujeran usando cuatro "estrategias" o métodos diferentes:

Traducción Directa: Simplemente pedirle a la IA: "Traduce esta frase".
Aprendizaje en Contexto (ICL): Darle a la IA una referencia en el prompt, como decir: "Recuerda que, en alemán, usamos un punto para los miles y una coma para los decimales".
Cadena de Pensamiento (CoT): Pedirle a la IA que "piense en voz alta" y explique sus pasos antes de dar la respuesta.
Post-Edición: Dejar que la IA traduzca primero, y luego usar un script de computadora separado para buscar los números y corregirlos manualmente.

El Ganador Sorpresa

Los resultados fueron un giro en la trama. En un estudio previo sobre la traducción de números entre el inglés y el chino, los investigadores descubrieron que el método de "Post-Edición" (corregir los números después de hecho) era el mejor. Pero cuando Patrizia probó esto en inglés y alemán, la Post-Edición fue en realidad la peor estrategia, obteniendo a menudo una precisión inferior al 30%. Parece que cuando la IA se confunde, intentar arreglar los números después solo crea un desastre.

El método de "Cadena de Pensamiento", donde la IA explica su razonamiento, tampoco ayudó mucho. A menudo llevaba a los modelos a dar respuestas incorrectas mientras intentaban sonar inteligentes sobre cómo llegaron a ellas.

El verdadero campeón resultó ser el Aprendizaje en Contexto. Cuando la investigadora simplemente añadió unas pocas instrucciones claras al prompt —diciéndole a la IA exactamente cómo formatear los números y las fechas—, los modelos funcionaron significativamente mejor. Para el modelo con mejor desempeño (Qwen3-4B-Instruct-2507), este simple "referente" aumentó la precisión al 91.7% para los números en la dirección de inglés a alemán, una ligera mejora sobre el 92.2% logrado mediante la traducción directa por sí sola. El estudio encontró que esta mejora no fue solo un golpe de suerte; pruebas estadísticas confirmaron que añadir estas reglas al prompt marcaba una diferencia real y medible en comparación con otras estrategias.

¿Qué pasa con los Cerebros más Grandes?

Podrías pensar que un modelo de IA más grande con más "capacidad cerebral" (parámetros) siempre haría un mejor trabajo. Sin embargo, el artículo encontró que el tamaño no siempre equivale al éxito. Los modelos probados variaban entre 2 mil millones y 7 mil millones de parámetros. Sorprendentemente, el modelo de 4 mil millones de parámetros superó en muchos casos a los modelos de 7 mil millones. Esto sugiere que, para esta tarea específica, tener las instrucciones correctas es más importante que tener el cerebro más grande.

El estudio también probó si decirle a la IA exactamente qué versión de inglés o alemán usar (como "inglés británico" frente a "alemán de Alemania") ayudaba. Ayudó un poco, pero no tanto como el simple hecho de dar las reglas de formato en el prompt.

La Conclusión

Este artículo sugiere que si quieres que una IA maneje números y fechas correctamente al traducir, no le pidas simplemente que "haga su mejor esfuerzo". No confíes en que corrija sus propios errores después, y no la obligues a explicar su pensamiento. En su lugar, dale un conjunto claro de reglas desde el principio. Al integrar los principios de localización directamente en la conversación, puedes convertir a un robot confundido en un traductor preciso. Aunque los resultados son específicos para los modelos y pares de idiomas probados, el método ofrece una forma reproducible de hacer que las traducciones de IA sean más seguras y precisas para cualquiera que trabaje con dinero, ciencia o calendarios a través de las fronteras.

Resumen Técnico: Análisis de la Localización Numérica en Traducciones de LLM

Planteamiento del Problema
Aunque los Modelos de Lenguaje de Gran Escala (LLM) se han convertido en el método dominante para la traducción de lenguaje humano, su capacidad para manejar la "localización" —la adaptación de las convenciones de formato para fechas, horas y números a regiones específicas— sigue siendo poco estudiada. A diferencia de los lenguajes de programación, los lenguajes naturales varían según la cultura y la región; por ejemplo, los separadores decimales y de miles difieren entre el inglés (Reino Unido) y el alemán (p. ej., 123,456 frente a 123.456). Una localización inadecuada puede resultar en errores de magnitud, haciendo que las traducciones económicas o científicas carezcan de sentido. Una investigación previa de Tang et al. se centró en la traducción numérica (inglés $\leftrightarrow$ chino) y determinó que las estrategias de posedición eran las más efectivas. Este artículo investiga si esos hallazgos se mantienen para la localización numérica (inglés $\leftrightarrow$ alemán) y pone a prueba estrategias para mejorar la precisión en hardware comercial.

Metodología
El estudio evaluó cinco LLM capaces de ejecutarse en hardware comercial (8GB de VRAM, 64GB de memoria del sistema), que comprenden dos modelos genéricos (Qwen2-7B, Qwen3-4B) y tres modelos específicos de traducción (TowerInstruct-7B, SalamandraTA-7b, SalamandraTA-2b). Los experimentos utilizaron tres corpora paralelos (Statmt-europarl, Tilde-ema, Statmt-news_commentary) para extraer 100 muestras cada una de tiempos, fechas y números, sumando un total de 700 entradas por modelo.

Se probaron cuatro estrategias:

Traducción Directa: Instrucción base para traducir sin guía específica de localización.
Aprendizaje en Contexto (ICL): Proporcionar al modelo principios de localización explícitos (p. ej., separadores de dígitos y decimales) dentro del contexto del prompt.
Cadena de Pensamiento (CoT): Instruir al modelo para que explique su proceso de traducción.
Posedición (PE): Extraer pares numéricos de las traducciones directas mediante expresiones regulares, re-traducirlos a través de un módulo dateparser y reinsertarlos.

Los experimentos se realizaron tanto con locales no especificados como explícitamente definidos (en_GB y de_DE). La precisión se midió comparando las salidas del modelo contra traducciones de autoridad utilizando las librerías dateparser y babel, otorgando puntos por el valor correcto y el formato correcto. La significancia estadística se determinó mediante pruebas de Wilcoxon.

Contribuciones Clave

Análisis Empírico: Una evaluación sistemática de la localización numérica inglés $\leftrightarrow$ alemán a través de dos modelos genéricos y tres modelos específicos de traducción.
Determinación de Estrategia: Identificación del método más preciso para asegurar la precisión de la localización, desafiando hallazgos previos sobre la traducción numérica.
Reproducibilidad: Provisión de una metodología reproducible, incluyendo scripts y código, aplicable a otros pares de lenguas y futuros modelos.

Resultos
Contrario a los hallazgos de Tang et al. respecto a la traducción numérica, el Aprendizaje en Contexto (ICL) demostró ser la estrategia más efectiva para la localización numérica.

Rendimiento: El modelo Qwen3-4B-Instruct-2507 logró la mayor precisión en todos los tipos de datos y direcciones.
Comparación de Estrategias: El ICL produjo la mayor precisión media (53.3% para locales no especificados, 53.8% para locales explícitos), superando significativamente a la traducción Directa (aprox. 50%), la Cadena de Pensamiento (aprox. 40%) y la Posedición (aprox. 27-28%).
Significancia Estadística: Las pruebas de Wilcoxon confirmaron que la mejora del ICL sobre otras estrategias fue estadísticamente significativa ( $\alpha = 8.33 \times 10^{-3}$ ).
Varianza del Modelo: El recuento de parámetros no se correlacionó linealmente con el rendimiento; por ejemplo, el modelo SalamandraTA de 7B funcionó peor que la variante de 2B, y ambos tuvieron dificultades significativas con la Posedición, alucinando frecuentemente texto no relacionado.
Especificación de Locale: Especificar explícitamente el locale (p. ej., "Alemán (de_DE)") tuvo un impacto pequeño pero medible, mejorando la precisión en 66/120 casos con una media de 4.2%, aunque causó una pérdida media de 3.2% en otros.

Significancia y Reivindicaciones
El artículo sostiene que incrustar los principios de localización directamente en el contexto del prompt (ICL) proporciona una mejora estadísticamente significativa en la precisión en comparación con la traducción directa u otras estrategias como la Posedición. Esto sugiere que para tareas de localización —que dependen de la aplicación de reglas de formato específicas— proporcionar explícitamente dichas reglas al modelo es más efectivo que depender del conocimiento implícito del modelo o intentar corregir las salidas a posteriori. El autor señala que, si bien la Posedición fue superior para la traducción numérica (una tarea de conversión), es menos efectiva para la localización (una tarea de aplicación de reglas). El estudio concluye que, aunque los LLM son potentes, sus capacidades de localización requieren estrategias de prompting específicas para asegurar la precisión, particularmente cuando operan bajo restricciones de hardware que limitan el tamaño del modelo.

El Gran Cambio de Look de los Números

El Ganador Sorpresa

¿Qué pasa con los Cerebros más Grandes?

La Conclusión

Más como este