Last Translation Benchmark は、Vilém Zouhar らの研究チームによって 2026 年に公開された、機械翻訳モデルの評価を目的としたベンチマークデータセットです。関連する論文は「Last Translation Benchmark」であり、複雑な翻訳タスクにおける現在の機械翻訳モデルの能力をテストし、実際のシナリオにおけるモデルの具体的な失敗事例を発見することを目的としています。

このデータセットには、3,456 件の高難易度の翻訳サンプルが含まれており、多様な言語および言語ペアをカバーしています。データは、人手による作成と査読済み翻訳例に基づいています。サンプルには、テキスト、画像、音声、動画などのマルチモーダル入力が含まれており、各サンプルには人手で設定された検証ルールが付与されています。

データセットの構成

• source_text：原文テキスト
• source_lang：原文の言語
• target_lang：目標言語
• source_instructions：翻訳タスクに対する特別な要件
• source_media：任意の画像、音声、または動画データ
• translations：異なるモデルまたは人手によって生成された翻訳結果
• verification_rules：翻訳の正誤を判定するための検証ルール
• linguistics：翻訳の難所を記述する言語学的注釈
• attribution：データの出典情報
• tags：データが属するデータサブセット

Citation

@misc{zouhar2026translationbenchmark,
  title={Last Translation Benchmark},
  author={LTB},
  year={2026},
  eprint={2609.04173},
  archivePrefix={arXiv},
  url={https://arxiv.org/abs/2609.04173}
}