/ Модель

Характеристики

Контекст
1 024 токена
Параметры
464 млн
Лицензия
CC BY 4.0
Архитектура
m2m_100 · dense
Базовая модель
nllb-200-distilled-600M
Библиотека
transformers
Опубликована
14 июн 2026

pnar-mt

ПереводТекст → текст3 профессии

Модель MWirelabs для машинного перевода между пнар и английским, дообученная на базе NLLB-200 для малоресурсного языка пнар.

19скачиваний за 30 дней0лайковвеса обновлены22 авг 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.

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

MWirelabs/pnar-mt — модель машинного перевода, разработанная MWirelabs на основе facebook/nllb-200-distilled-600M и дообученная для перевода между пнар и английским в обоих направлениях. Модель использует архитектуру NLLB-200 с примерно 463,7 млн параметров; в токенизатор добавлен код языка пнар. Для обучения объединили проверенный вручную корпус и автоматически созданные пары, преимущественно из новостного домена. Модель предназначена для перевода текстов, исследований малоресурсного машинного перевода и создания языковых приложений для пнар. В карточке указаны результаты автоматической оценки и человеческой проверки переводов с английского на пнар; эти оценки относятся к конкретному тестовому набору.

Модель может ошибаться в идиомах, специализированной лексике, неоднозначных и длинных предложениях, а также на текстах вне обучающих доменов. В человеческой оценке встречались fluent-переводы с неполной передачей смысла; для важных задач результат следует проверять с носителем пнар. Репозиторий распространяется по лицензии CC BY 4.0.

Сценарии применения

  • перевод новостных текстов с пнар на английский
  • перевод английских предложений на пнар
  • создание приложений с поддержкой языка пнар
  • подготовка черновых переводов для последующей проверки носителем языка
  • оценка систем машинного перевода для малоресурсных языков Северо-Восточной Индии

Ограничения

Модель может ошибаться в идиомах, специализированной лексике, неоднозначных и длинных предложениях, а также на текстах вне обучающих доменов; fluency результата не гарантирует точную передачу смысла. Для важных задач переводы следует проверять с квалифицированным носителем пнар.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Pnar-English Machine Translation

This model is a fine-tuned version of facebook/nllb-200-distilled-600M for Pnar (ISO 639-3: pbv) ↔ English machine translation.

The model corresponds to the Gold + Silver (Model C) condition described in:

When Silver Isn't Enough: Data Quality Effects on Pnar-English Machine Translation

The model was trained using a combination of a manually translated Gold corpus and automatically generated Silver corpus. The combined dataset produced the strongest overall performance among the evaluated NLLB-200 configurations.

Model Details

  • Base model: NLLB-200 distilled 600M
  • Parameters: ~600M
  • Languages: Pnar ↔ English
  • Pnar language code: pnar_Latn
  • English language code: eng_Latn
  • Architecture: NLLB-200
  • Training: Fine-tuning
  • Optimizer: AdamW
  • Learning rate: 5e-5
  • Batch size: 8
  • Maximum sequence length: 128 tokens
  • Precision: FP16
  • Epochs: 5
  • GPU: NVIDIA A40

The Pnar language token was added to the tokenizer and model embedding matrix for fine-tuning.

Training Data

Gold Data

The Gold corpus contains 4,826 Pnar-English training pairs.

English source sentences were obtained from the Tatoeba corpus and translated into Pnar by two paid native Pnar translators. All translations were human-verified.

Silver Data

The Silver corpus contains 48,519 training pairs derived from the Pnar-English portion of FineTranslations.

The source Pnar text originates primarily from Wyrta, a regional Pnar news media outlet. The English translations were synthetically generated using Gemma 3 27B.

The Silver data therefore primarily represents the news domain.

Combined Dataset

SplitGoldSilverCombined
Train4,82648,51953,345
Validation6046,012604
Test6045,937604

The Gold test set is used as the common evaluation benchmark.

Evaluation

Automatic Evaluation

Evaluation was performed on the Gold test set.

DirectionBLEUChrFTERCOMET
English → Pnar30.3953.2952.740.693
Pnar → English26.0246.7560.370.700

BLEU, ChrF, TER and COMET were computed using the Hugging Face evaluate library.

COMET should be interpreted as a complementary neural metric because its underlying reference models have not been validated specifically for Pnar.

Human Evaluation

Human evaluation was conducted on 50 English → Pnar translations from the Gold test set.

Two native Pnar speakers independently evaluated outputs on a 1–5 scale.

MetricScore
Adequacy4.25 / 5
Fluency4.53 / 5
Quadratic weighted κ — Adequacy0.70
Quadratic weighted κ — Fluency0.91

The results indicate generally adequate meaning transfer and fluent Pnar output.

Intended Use

This model is intended for:

  • English ↔ Pnar machine translation
  • Research on low-resource machine translation
  • Pnar language technology development
  • Evaluation of multilingual MT systems for Northeast Indian languages
  • Development of Pnar-language applications and datasets

Limitations

The model should not be treated as a fully reliable translation system.

The Gold training corpus is relatively small, with only 4,826 training pairs. The Gold and Silver datasets also originate from different domains, meaning that the observed advantage of Gold data may reflect both data quality and domain similarity.

The model may perform poorly on:

  • Idiomatic expressions
  • Domain-specific terminology
  • Long or complex sentences
  • Text substantially outside the training domains
  • Ambiguous expressions

Human evaluation found examples where the output was fluent but did not fully preserve the meaning of the English source.

The experiments used a fixed hyperparameter configuration and a single training run per condition. Multi-seed experiments and different Gold/Silver mixing ratios were not evaluated.

Bias, Risks and Safety

Pnar is a low-resource language with limited publicly available NLP resources. Model outputs may contain mistranslations, omissions, hallucinations, or inappropriate lexical choices.

For high-stakes applications, translations should be reviewed by a qualified Pnar speaker.

Citation

If you use this model, please cite:

@article{tekcham2026silver,
  title={When Silver Isn't Enough: Data Quality Effects on Pnar-English Machine Translation},
  author={Tekcham, Riya and Asma, Fitha and Sulfeekhar, Badal Nyalang},
  year={2026}
}

Acknowledgement

This work was supported by MWire Labs, which provided computational resources and support for the research, including assistance with data creation and annotation.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
M2M100ForConditionalGeneration
Ревизия весов
36b12e1

0 моделей