/ Модель

Характеристики

Контекст
1 024 токена
Параметры
101 млн
Лицензия
Apache 2.0
Архитектура
fsmt · dense
Базовая модель
wmt19-finetuned-law-de-to-en
Опубликована
20 мар 2024

wmt19-finetuned-law-de-to-en-2

Языковая модель3 профессии

Дообученная FSMT-модель для перевода юридических текстов с немецкого на английский.

27скачиваний за 30 дней0лайковвеса обновлены20 мар 2024

Бенчмарки

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

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

Модель dokyoungkim/wmt19-finetuned-law-de-to-en-2 — дообученная версия FSMT для перевода юридических текстов с немецкого на английский. Она содержит 100,7 млн параметров, принимает текст и генерирует перевод; заявленная длина контекста — 1024 токена. В README приведены результаты оценки: BLEU 58,4579 и loss 0,2307.

Модель предназначена для перевода юридических документов и фрагментов с немецкого на английский. Она распространяется под лицензией Apache-2.0. Датасет дообучения и подробные сведения о применении в карточке не раскрыты.

Сценарии применения

  • Перевод юридических договоров с немецкого на английский
  • Перевод немецких правовых документов
  • Перевод фрагментов немецких судебных материалов на английский

Ограничения

Датасет дообучения неизвестен, а README не содержит подробностей о сценариях применения и ограничениях. Заявленные результаты оценки не гарантируют качество на документах вне оценочного набора.

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

wmt19-finetuned-law-de-to-en-2

This model is a fine-tuned version of dokyoungkim/wmt19-finetuned-law-de-to-en on an unknown dataset. It achieves the following results on the evaluation set:

  • Loss: 0.2307
  • Bleu: 58.4579

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: 2e-05
  • train_batch_size: 40
  • eval_batch_size: 20
  • seed: 42
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • num_epochs: 6
  • mixed_precision_training: Native AMP

Training results

Framework versions

  • Transformers 4.37.2
  • Pytorch 2.0.1+cu117
  • Datasets 2.17.0
  • Tokenizers 0.15.2

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

У модели не указана задача.

Класс архитектуры
FSMTForConditionalGeneration
Ревизия весов
52d7986

0 моделей