/ Модель
Каталог

Характеристики

Контекст
1 024 токена
Лицензия
CC BY-NC 4.0
Архитектура
m2m_100 · dense
Базовая модель
nllb-200-distilled-600M
Библиотека
transformers
Опубликована
25 сен 2026

Ссылки

Hugging Face

nllb-600m-atekervoices-lr2e-4

Ateker
Генерация текстаТекст → текст3 профессии

Дообученная модель NLLB-200 для перевода между английским и языками teo и kdj.

641скачиваний за 30 дней0лайковвеса обновлены26 сен 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Открыть конструктор бенчмарка

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Ateker/nllb-600m-atekervoices-lr2e-4 — дообученная модель на базе facebook/nllb-200-distilled-600M, созданная разработчиком Ateker на наборе данных generator. Результаты оценки показывают перевод между английским и teo, а также английским и kdj: средний BLEU составляет 31,861; для направлений Eng→Teo и Teo→Eng — 23,114 и 45,249, для Eng→Kdj и Kdj→Eng — 20,259 и 38,822 соответственно.

Модель относится к семейству M2M-100 и использует архитектуру TrainableM2MForConditionalGeneration. Репозиторий содержит веса safetensors; указанная длина контекста — 1024 токена. Метаданные задают задачу text-generation, однако по назначению и результатам оценки модель предназначена для машинного перевода между английским и языками teo и kdj. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства и запрещает коммерческое использование. README не содержит подробных инструкций по применению или сведений об ограничениях качества.

Сценарии применения

  • перевод с английского на teo
  • перевод с teo на английский
  • перевод с английского на kdj
  • перевод с kdj на английский

Ограничения

Оценка приведена только для четырёх направлений перевода; качество на других языках и сценариях не описано. Коммерческое использование запрещено лицензией CC BY-NC 4.0.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.6Универсальные способностиПеревод и языковая адаптацияAI помогает переносить смысл между языками, форматами и культурными контекстами.16 задач16 710моделейI.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделейIII.4Корпоративные функцииКлиентская поддержка и customer successAI помогает быстрее решать обращения и предупреждать проблемы клиентов.20 задач9 831модель

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

nllb-600m-atekervoices-lr2e-4

This model is a fine-tuned version of facebook/nllb-200-distilled-600M on the generator dataset. It achieves the following results on the evaluation set:

  • Loss: 1.0903
  • Bleu Eng Teo: 23.114
  • Bleu Teo Eng: 45.249
  • Bleu Eng Kdj: 20.259
  • Bleu Kdj Eng: 38.822
  • Bleu Mean: 31.861

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 0.0002
  • train_batch_size: 16
  • eval_batch_size: 16
  • seed: 42
  • optimizer: Use OptimizerNames.ADAFACTOR and the args are: No additional optimizer arguments
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_steps: 10
  • num_epochs: 3

Training results

Training LossEpochStepValidation LossBleu Eng TeoBleu Teo EngBleu Eng KdjBleu Kdj EngBleu Mean
3.45240.06105002.67713.70514.8780.1387.8586.645
2.54710.122010002.21377.47122.1281.15214.6711.355
2.22620.182915001.973210.01825.5631.82218.59714.0
2.02680.243920001.829512.73828.1642.4620.89416.064
1.91240.304925001.719113.58229.7396.42922.31118.015
1.81940.365930001.646614.75331.6516.44724.27919.283
1.73300.426835001.582615.57732.7738.68225.06120.523
1.67070.487840001.527216.20133.3465.97725.79920.331
1.61390.548845001.486716.92634.4577.78327.61321.694
1.56260.609850001.452517.30435.26210.53928.04822.788
1.54790.670755001.415517.44736.2059.6229.03523.077
1.51530.731760001.388217.75736.49810.20128.75623.303
1.47550.792765001.360318.39336.9818.13630.60123.528
1.47140.853770001.339818.84537.64612.94730.42324.965
1.44490.914675001.314218.74238.04112.33631.38925.127
1.42650.975680001.297119.49638.25912.30431.88225.485
1.26161.036685001.290619.0939.25614.3931.91126.162
1.16021.097690001.270119.69939.63714.38532.20526.482
1.15391.158595001.265920.1939.60314.99532.31626.776
1.15161.2195100001.252819.97139.57115.13632.54126.805
1.15291.2805105001.233820.49540.30114.18833.42527.102
1.13361.3415110001.227520.45440.89315.52533.86127.683
1.12201.4024115001.214220.89640.6815.51433.94927.76
1.13821.4634120001.206020.80541.13515.32934.06727.834
1.11041.5244125001.193121.0941.216.94934.1128.338
1.09941.5854130001.182520.92841.32917.08334.44828.447
1.09531.6463135001.172721.56541.6616.79734.00828.508
1.08781.7073140001.164421.48442.25217.12134.97128.957
1.07281.7683145001.155121.58842.4517.45835.70129.299
1.06911.8293150001.146821.96842.4817.12435.85429.356
1.06881.8902155001.138821.97243.03718.03836.61729.916
1.06261.9512160001.130722.03243.37918.29436.4930.049
1.02382.0122165001.150422.13643.5818.336.52730.136
0.86572.0732170001.143121.97743.62417.75537.20930.141
0.84792.1341175001.146922.35543.53618.04536.93430.217
0.84792.1951180001.139422.4643.80418.64637.43930.587
0.86152.2561185001.132922.51743.77118.84937.60930.687
0.85062.3171190001.126822.40543.90418.7137.90230.73
0.84472.3780195001.119822.60344.32918.87438.03730.961
0.84402.4390200001.118522.59244.07419.2837.8230.941
0.83292.5205001.116622.51444.41419.36238.7131.25
0.84032.5610210001.111522.744.719.74438.11531.315
0.81702.6220215001.106722.83544.82420.02138.17831.464
0.83892.6829220001.103522.84645.01619.83538.60131.574
0.83202.7439225001.098322.93545.08320.29938.4531.692
0.82342.8049230001.095023.17345.09920.17238.92331.842
0.82232.8659235001.093923.20945.20320.41338.88131.926
0.82152.9268240001.090323.11445.24920.25938.82231.861
0.82372.9878245001.090523.16445.24420.31238.83431.889
0.82373.0246001.090323.1345.24120.37438.83931.896

Framework versions

  • Transformers 5.17.0
  • Pytorch 2.14.0+cu130
  • Datasets 5.0.1
  • Tokenizers 0.23.2

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
TrainableM2MForConditionalGeneration
Ревизия весов
7d4a670

0 моделей

    Создать бенчмарк