MITRA-lexicon: संस्कृतबौद्धपारिभाषिकशब्दाः भोटभाषायां चीनभाषायाम् आङ्ग्लभाषायां च कथम् अनूदिताः इति पाठसङ्ग्रहाधारितम् अभिलेखनम्

किं प्रकाशितम्

2026-तमे वर्षे अक्टोबर्-मासस्य 19 दिनाङ्के Sebastian Nehrdich, Kengo Harimoto, Sven Sellmer, Oliver Hellwig इत्येते arXiv-स्थले MITRA-lexicon इति वर्णयन्तं पूर्वमुद्रणलेखं प्रकाशितवन्तः; तत् संस्कृतस्य आङ्ग्लभोटचीनभाषाभिः सह षट् एकदिशकोशाः सन्ति। लेखकाः 2.18 मिलियन-संख्याकानि शीर्षपदप्रविष्टीनि 10.4 मिलियन-संख्याकानि च प्रमाणानि निवेदयन्ति; प्रत्येकं प्रमाणं स्ववाक्ययुग्मेन सह संस्कृतपदस्य तत्समानपदस्य च अक्षरस्थानैः सह संयुक्तम् अस्ति। अर्थाः आवृत्तिक्रमेण श्रेणीकृताः। ^[1]

दत्तांशाः तस्मिन्नेव दिने GitHub-स्थले v1.1 इति प्रकाशनरूपेण सङ्केतेन मूल्याङ्कनदत्तांशैः beta-स्तरीयेण जालान्तरापृष्ठेन च सह प्रकाशिताः। अस्मिन् प्रकाशने लेखे अवर्णितः चीन-भोट-कोशः योजितः। जालान्तरापृष्ठं वदति यत् अयं हस्तसम्पादितः कोशः नास्ति: युग्मानि स्वयंचालितरीत्या निष्कासितानि, अतः समन्वयः अशुद्धः अपूर्णः विस्थापितः वा भवितुम् अर्हति, सम्पूर्णं वाक्यं च पठनीयम्। ^{[2] [3]}

कथं निर्मितम्

संस्कृत-आङ्ग्लकोशाः Mitrasaṃgraha-पाठसङ्ग्रहात् (395,528 वाक्ययुग्मानि) आगताः; संस्कृत-भोट- संस्कृत-चीन-कोशाः च MITRA-parallel v3 इत्यस्मात् (566,068 तथा 340,691 युग्मानि) आगताः। येषाम् अष्टादशग्रन्थानां संस्कृतं पूर्णतः अंशतः वा भोटानुवादात् चीनानुवादात् वा आधुनिकं पुनर्निर्माणम् अस्ति, ते अपवर्जिताः। ^[1]

संस्कृतपक्षः ByT5-Sanskrit-विश्लेषकेन पदच्छेदं प्रातिपदिकीकरणं च प्राप्नोति। वाणिज्यिकः भाषाप्रतिरूपः (Gemini Flash) 9,366 प्रशिक्षणोदाहरणानि अङ्कितवान्; ततः MITRA Qwen3.5-9B-आधारितः लघुतरः प्रतिरूपः प्रत्येकम् अनुवादं प्रतिलिख्य प्रत्येकं संस्कृतपदं प्रकटयन्तं खण्डं चिह्नयितुं सूक्ष्मसंस्कारितः। त्रयाणां पाठसङ्ग्रहाणां खननं प्रायः 36 GPU-होरा अनयत्। समन्वयप्रतिरूपः पृथक् प्रकाशितः, तस्य प्रतिरूपपत्रं च टिप्पयति यत् तस्य अङ्काः शिक्षकप्रतिरूपेण सह सम्मतिं मापयन्ति, न तु शुद्धताम्। ^{[1] [4]}

कियान् विश्वसनीयः

कठोरसमन्वयेन सन्दर्भकोशैः सह तुलनायां प्रथमश्रेणीकः अर्थः संस्कृत-भोट-शीर्षपदानां 58.2% (Negi), संस्कृत-चीन-शीर्षपदानां 53.0% (Hirakawa), संस्कृत-आङ्ग्ल-शीर्षपदानां च 36.6% (Monier-Williams सह Apte) कोशेन सह समसम्मतः। लेखकाः एतान् अङ्कान् अधःसीमाः इति वदन्ति, यतः कोशाः सङ्कीर्णतरं ग्रन्थसमूहम् आवृण्वन्ति स्वकीयान् दोषान् च धारयन्ति। सम्मतिः आवृत्त्या सह वर्धते: न्यूनातिन्यूनं 100 प्रमाणयुक्तानां शीर्षपदानां कृते अग्रिमः संस्कृत-भोट-अर्थः 84–90% प्रकरणेषु पुष्टः। ^[1]

स्वर्णसमन्वयाः संस्कृत-आङ्ग्लयोः एव विद्यन्ते: 100 वाक्यानि त्रिभिः संस्कृतविद्वद्भिः स्वतन्त्रतया समन्वितानि, तेषां मध्ये Krippendorff-इत्यस्य alpha 0.77; प्रतिरूपः तेषां बहुमतनिर्णयं प्रति F1 88.4 प्राप्तवान्। लेखः अन्याः अपि सीमाः गणयति: विश्लेषकस्य विद्युत्पाठानां च दोषाः अशुद्धेषु प्रातिपदिकेषु प्रसरन्ति, लक्ष्यभाषायाः विभक्तिरूपाणि प्रमाणानि अर्थेषु विभजन्ति, आङ्ग्लकोशः कतिपयैः बृहद्भिः महाकाव्य-पुराण-ग्रन्थैः अधिष्ठितः, विरलानि शीर्षपदानि अधिकदोषयुक्तानि, अङ्कनसोपानं च वाणिज्यिकप्रतिरूपम् आश्रयते। भाण्डागारः लेखं ISCLS 2027 कृते समीक्षाधीनम् इति वर्णयति, अतः सः पूर्वमुद्रणलेखः, न तु समकक्षसमीक्षितः परिणामः। ^{[1] [2]}

अनुज्ञापत्राणि पुनरुपयोगश्च

यतः प्रत्येकं प्रमाणं स्ववाक्ययुग्मं पुनरुत्पादयति, कोशाः स्रोतग्रन्थानाम् अनुज्ञापत्राणि अनुवर्तन्ते। संस्कृत-भोट-, संस्कृत-चीन-, चीन-भोट-कोशाः CC BY-SA 4.0 इत्यधीनं प्रकाशिताः। संस्कृत-आङ्ग्लकोशः द्विसंस्करणेषु आगच्छति: CC BY-SA-ग्रन्थेभ्यः 92.3% प्रमाणयुक्तं CC BY-SA 4.0 संस्करणं, तथा CC BY-NC-ND 4.0 इत्यधीनं सम्पूर्णं संस्करणं, यत् CC BY-NC-ND-ग्रन्थेभ्यः अनिर्दिष्टानुज्ञापत्रेभ्यः पाठसङ्ग्रहभागेभ्यः च प्रमाणानि योजयति। स्वर्ण-शिक्षक-दत्तांशाः CC BY-NC-ND 4.0, सङ्केतः MIT, समन्वयप्रतिरूपः च Apache-2.0 अस्ति। ^{[2] [4]}

कोशस्य अनुज्ञापत्रम् अन्यस्य कस्यापि पाठसङ्ग्रहस्य स्कैन-प्रतेः अनुवादस्य वा अधिकारान् न निर्णयति। जालान्तरापृष्ठे पदस्य पठनं स्रोतग्रन्थानां पुनःप्रकाशनाय तेषां स्वानुज्ञापत्राणि अतिक्रम्य प्रतिरूपप्रशिक्षणाय वा अनुमतिं न ददाति। लेखकाः जनसम्मुखान् अनुप्रयोगान् Dharmamitra-परियोजनां स्वीकर्तुं प्रार्थयन्ते। ^[2]

सावधानोपयोगस्य मार्गः

संस्कृते भोटभाषायां (Unicode वा Wylie वा) चीनभाषायां वा पदम् अन्विष्य, लक्ष्यभाषां चित्वा, शीर्षपदमात्रं न तु वाक्यसन्दर्भे प्रमाणानि पठत। आवृत्तिम् अनुवादकानां प्रयोगस्य प्रमाणं मन्यध्वं, न तु शुद्धसमानपदस्य निर्णयम्; एकप्रमाणयुक्तः विरलः अर्थः समन्वयदोषः भवितुम् अर्हति। बहुप्रमाणयुक्तानि शीर्षपदानि प्राधान्येन गृह्णीत, प्रमाणं कस्मात् सङ्ग्रहात् आगतम् इति अङ्कयत, प्रविष्टेः उद्धरणे च प्रकाशनसंस्करणम् अनुज्ञापत्रं च अभिलिखत। ^{[1] [3]}

Matreya-कृते एषः अस्माकं भाषासु पारिभाषिकशब्दपरीक्षणस्य व्यावहारिकः उपायः, अनुमतिसजगस्य पाठसङ्ग्रहसंसाधनस्य प्रलेखितम् उदाहरणं च: अनुज्ञापत्राणि प्रतिसञ्चिकं निर्दिष्टानि, निर्माणं च प्रकाशितैः सङ्केतदत्तांशैः पुनरुत्पादयितुं शक्यम्। वयं निवेदितान् अङ्कान् स्वयं न पुनरुत्पादितवन्तः, कोशश्च विशेषज्ञस्य अंशपठनस्य स्थानं न गृह्णाति। ^{[1] [2]}

सम्पादकीयटिप्पणी

लेखकाः गणनाधारसंरचनायाः वित्तपोषणाय Tsadra Foundation इत्यस्मै कृतज्ञतां ज्ञापयन्ति, प्रोग्रामिंग-कृते लेखभाषायै च जनकस्य AI-इत्यस्य उपयोगं प्रकटयन्ति। अयं लेखः तस्य अनुवादाश्च AI-साहाय्येन सज्जीकृताः; विशेषज्ञभाषासमीक्षा न सम्पन्ना। ^[1]