/ Модель
Каталог

Характеристики

Контекст
1 024 токена
Параметры
2,1 млрд
Размер весов
13,4 ГБ
Лицензия
CC BY-NC 4.0
Архитектура
m2m_100 · dense
Базовая модель
nllb-200-3.3B
Библиотека
transformers
Опубликована
31 мар 2025

Ссылки

Hugging Face

translate-nllb-3.3b-salt

Sunbird
Генерация текстаТекст → текст3 профессии

Дообученная на generator модель NLLB-200 для перевода между английским и несколькими восточноафриканскими языками.

796скачиваний за 30 дней17лайковвеса обновлены7 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

Sunbird/translate-nllb-3.3b-salt — дообученная Sunbird на наборе generator модель на базе facebook/nllb-200-3.3B. Она предназначена для перевода между английским и несколькими восточноафриканскими языками; в карточке приведены результаты оценки для Acholi, Luganda, Lango, Runyankole, Ateso, Soga и суахили, включая перевод в обоих направлениях для части языковых пар. Модель построена на архитектуре m2m_100, содержит 2,1 млрд параметров и имеет контекст 1024 токена.

В README указаны средние BLEU 25,47 и отдельные оценки по направлениям и языкам. Модель распространяется по лицензии CC BY-NC 4.0, которая ограничивает коммерческое использование. Подробные сведения о сценариях применения и ограничениях авторы не предоставили.

Сценарии применения

  • перевод с суахили на английский
  • перевод с английского на суахили
  • перевод с луганда на английский
  • перевод между английским и ачоли, ланго, ньянколе или атесо

Ограничения

Оценки BLEU различаются между языковыми парами и направлениями; для перевода с английского на некоторые языки, включая Soga и Teso, приведены низкие результаты. Коммерческое использование ограничено 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 385моделейI.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923модели

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

nllb-3.3b-salt-lr2e-4

This model is a fine-tuned version of facebook/nllb-200-3.3B on the generator dataset. It achieves the following results on the evaluation set:

  • Loss: 1.3525
  • Bleu Ach Eng: 26.948
  • Bleu Lgg Eng: 27.62
  • Bleu Lug Eng: 41.511
  • Bleu Nyn Eng: 31.27
  • Bleu Teo Eng: 27.91
  • Bleu Eng Ach: 19.56
  • Bleu Eng Lgg: 16.409
  • Bleu Eng Lug: 29.0
  • Bleu Eng Nyn: 13.061
  • Bleu Eng Teo: 15.804
  • Bleu Eng Xog: 4.353
  • Bleu Eng Ttj: 8.913
  • Bleu Eng Swa: 44.426
  • Bleu Xog Eng: 25.0
  • Bleu Ttj Eng: 28.387
  • Bleu Swa Eng: 47.348
  • Bleu Mean: 25.47

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: 10
  • eval_batch_size: 10
  • seed: 42
  • gradient_accumulation_steps: 300
  • total_train_batch_size: 3000
  • 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 Ach EngBleu Lgg EngBleu Lug EngBleu Nyn EngBleu Teo EngBleu Eng AchBleu Eng LggBleu Eng LugBleu Eng NynBleu Eng TeoBleu Eng XogBleu Eng TtjBleu Eng SwaBleu Xog EngBleu Ttj EngBleu Swa EngBleu Mean
No log0.17931001.999621.8353.77839.35925.8384.77512.6471.47121.5675.0090.2121.3023.32540.87517.36822.07849.57916.939
No log0.35862001.775124.5496.32940.60629.02410.40515.1620.65622.4477.2041.4113.4595.18541.60320.73926.49850.84219.132
No log0.53803001.630325.513.38841.73529.68317.81215.5322.88823.0516.8882.0753.5995.91742.56321.21327.80950.9220.661
No log0.71734001.554726.70317.42641.82431.14721.81516.0225.68924.8989.8436.1694.1937.04142.17522.88427.88349.55722.204
1.36290.89665001.480927.66722.79541.57431.84923.9618.93410.91925.6369.817.6854.37.2643.52523.34227.93351.66423.678
1.36291.07716001.442927.64723.77541.81831.50824.66717.72712.6826.65110.42910.2074.5087.52843.07824.47127.69349.56823.997
1.36291.25647001.421327.25324.67241.50832.30226.00618.94713.83627.60211.66511.5974.7647.51743.29825.19629.16550.11424.715
1.36291.43578001.398427.33927.25642.98631.65726.28919.28313.03827.58910.95411.864.6138.38743.92524.53228.81849.24124.86
1.36291.61519001.380626.55426.67642.15632.2227.7818.98814.69327.94212.11112.6784.3448.36743.76324.99928.22748.85725.022
0.94071.794410001.366427.0827.31342.13232.19227.65319.07314.93428.15112.86913.1494.5368.61343.89425.77628.82848.5925.299
0.94071.973711001.353127.65427.99142.46631.827.68119.37116.02827.82311.8714.4344.4639.0343.56925.41129.55348.66125.488
0.94072.154212001.367427.18627.21342.49731.00927.98419.47515.99528.10811.8613.3574.2088.80644.16126.24228.62347.42425.259
0.94072.333513001.362526.64127.26742.85631.5127.1119.83416.80328.63712.31814.8234.5778.17344.90325.65628.74448.12525.499
0.94072.512914001.361625.75927.47442.00130.98527.16618.71616.42627.90812.88714.4014.018.69944.66325.40828.80747.5225.177
0.79172.692215001.353725.58527.32341.70831.27327.51819.45117.30528.12412.67715.6634.3118.69844.35225.46828.59247.64825.356
0.79172.871516001.352526.94827.6241.51131.2727.9119.5616.40929.013.06115.8044.3538.91344.42625.028.38747.34825.47

Framework versions

  • Transformers 4.50.3
  • Pytorch 2.6.0+cu124
  • Datasets 3.5.0
  • Tokenizers 0.21.1

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
6fe04ac

0 моделей

    Создать бенчмарк