Компактная модель OPUS-MT для перевода текста с английского на тонганский.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.
Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.
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.
Описание составлено по карточке модели и метаданным Hugging Face
Helsinki-NLP/opus-mt-en-to — модель машинного перевода на архитектуре Transformer, разработанная проектом OPUS-MT и распространяемая Helsinki-NLP. Она переводит текст с английского языка на тонганский. Модель обучена на данных OPUS; перед обработкой применяются нормализация и токенизация SentencePiece.
Модель реализована как MarianMTModel, содержит 54,6 млн параметров и имеет контекстное окно 512 токенов. Для набора JW300.en.to в карточке приведены оценки BLEU 56,3 и chr-F 0,689. Доступны веса PyTorch и TensorFlow; лицензия — Apache-2.0.
Контекст ограничен 512 токенами; качество может зависеть от тематики и отличаться от результата на тестовом наборе JW300.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
source languages: en
target languages: to
OPUS readme: en-to
dataset: opus
model: transformer-align
pre-processing: normalization + SentencePiece
download original weights: opus-2020-01-08.zip
test set translations: opus-2020-01-08.test.txt
test set scores: opus-2020-01-08.eval.txt
| testset | BLEU | chr-F |
|---|---|---|
| JW300.en.to | 56.3 | 0.689 |
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм
Подбираем GPU…