/ Модель
Каталог

Характеристики

Контекст
512 токенов
Параметры
55,1 млн
Лицензия
Apache 2.0
Архитектура
marian · dense
Базовая модель
opus-mt-en-bcl
Опубликована
4 мар 2024

Ссылки

Hugging Face

sorsolingo-mt-en-bsl-test

dapooni
ПереводТекст → текст3 профессии

Дообученная модель MarianMT для машинного перевода на основе Helsinki-NLP/opus-mt-en-bcl.

161скачиваний за 30 дней0лайковвеса обновлены18 мая 2024

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

sorsolingo-mt-en-bsl-test — дообученная модель машинного перевода на архитектуре MarianMT, разработанная на основе Helsinki-NLP/opus-mt-en-bcl. Веса размещены в формате safetensors; модель содержит 55,1 млн параметров и принимает контекст длиной до 512 токенов.

Модель предназначена для перевода между английским и языком базы BCL. В README указано дообучение на неизвестном наборе данных и приведены результаты оценки: BLEU 25,11 и eval_loss 4,5125. Лицензия — Apache-2.0.

Сценарии применения

  • перевод текста с английского на язык BCL
  • перевод текста с языка BCL на английский

Ограничения

Данные обучения не описаны; в README приведены только результаты оценки, без подробностей о тестовом наборе или качестве на отдельных типах текстов.

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 385моделейII.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

sorsolingo-mt-en-bsl-test

This model is a fine-tuned version of Helsinki-NLP/opus-mt-en-bcl on an unknown dataset. It achieves the following results on the evaluation set:

  • eval_loss: 4.5125
  • eval_bleu: 25.1133
  • eval_runtime: 24.4132
  • eval_samples_per_second: 33.465
  • eval_steps_per_second: 0.532
  • epoch: 19.0
  • step: 1957

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: 5e-05
  • train_batch_size: 32
  • eval_batch_size: 64
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 80
  • mixed_precision_training: Native AMP

Framework versions

  • Transformers 4.40.0
  • Pytorch 2.2.1+cu121
  • Datasets 2.19.0
  • Tokenizers 0.19.1

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
MarianMTModel
Ревизия весов
97a30bc

0 моделей

    Создать бенчмарк