/ Модель

Характеристики

Контекст
1 024 токена
Параметры
457 млн
Лицензия
CC BY-NC 4.0
Архитектура
mbart · dense
Базовая модель
mbart-large-50
Опубликована
29 окт 2025

NepTam20k-mBART-50-610.9M

ПереводТекст → текст

Дообученная mBART-50 для перевода текста между непальским и тамангом в обоих направлениях.

111скачиваний за 30 дней0лайковвеса обновлены23 ноя 2025

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

NepTam20k-mBART-50 — модель машинного перевода на основе mBART-50, разработанная лабораторией Information and Language Processing Research Lab при Университете Катманду. Она дообучена для перевода между непальским и тамангом в обоих направлениях и предназначена для работы с малоресурсным языком таманг.

Модель использует архитектуру MBartForConditionalGeneration и принимает текст, выдавая текст перевода. В исходном словаре токенизатора mBART нет таманга, поэтому для него используется прокси-токен хинди hi_IN; для непальского применяется ne_NP. Модель обучена на 15 тысячах пар предложений и оценена на тестовой выборке из 5 тысяч пар. Метаданные указывают 457,4 млн параметров и контекст до 1024 токенов; в таблице README указан размер 610,9 млн, поэтому оценка размера в источниках расходится.

Модель рассчитана на перевод предложений на деванагари между непальским и тамангом. Лицензия CC BY-NC 4.0 требует указания авторства и не разрешает коммерческое использование.

Сценарии применения

  • перевод предложений с непальского на таманг
  • перевод предложений с таманга на непальский
  • подготовка двуязычных материалов на непальском и таманге
  • перевод текстов на деванагари для языковых проектов

Ограничения

Таманг кодируется прокси-токеном хинди hi_IN, что может ограничивать качество и корректную обработку языка. Обучающая выборка содержит 15 тысяч пар, лицензия CC BY-NC 4.0 запрещает коммерческое использование.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

NepTam20K-mBART50

📝 Model Overview

NepTam20K-mBART50 is a fine-tuned multilingual neural machine translation model based on facebook/mbart-large-50, developed for Nepali ↔ Tamang translation.

The model was trained by the Information and Language Processing Research Lab (ILPRL) at Kathmandu University, as part of a low-resource language revitalization effort.

Tamang does not exist in the original mBART tokenizer vocabulary.
To address this, Hindi (hi_IN) was used as a Devanagari proxy token, enabling multilingual shared lexical transfer and improved adaptation.


🌍 Supported Languages

Source → Target:

  • Nepali → Tamang
  • Tamang → Nepali

Token code mapping:

Intended languageTokenized as
Nepaline_NP
Tamanghi_IN (proxy)

⚙️ Training Setup

📦 Dataset

NepTam20K — Parallel Corpus

  • 15K training pairs
  • 5K test pairs
  • Nepali ↔ Tamang direction
  • Devanagari script
  • cleaned & normalized

Dataset: ilprl-docse/NepTam-A-Nepali-Tamang-Parallel-Corpus

🔧 Training Config

ParameterValue
Base modelmBART Large 50
Epochs7
Effective batch size8
Gradient Accumulation2
Learning Rate7e-5
Weight Decay0.01
OptimizerAdamW
TokenizerMBART-50 tokenizer
Proxy languageHindi
FrameworkHuggingFace Transformers

📊 Evaluation

All models trained on 15K & tested on 5K parallel sentences.

Evaluated using:

  • SacreBLEU
  • chrF
  • chrF++
  • METEOR
  • COMET

Performance (NepTam20K test set):

ModelParam SizeDirectionBLEUchrFchrF++METEORCOMET
NepTam_mBART610.9Mne→tam40.1472.9168.9260.4675.60
tam→ne42.9671.6568.2560.4379.04

🚀 Usage: Inference

from transformers import MBartForConditionalGeneration, MBart50TokenizerFast
import torch

device = "cuda" if torch.cuda.is_available() else "cpu"

model_name = "ilprl-docse/NepTam20k-mBART-50-610.9M"
tokenizer = MBart50TokenizerFast.from_pretrained(model_name)
model = MBartForConditionalGeneration.from_pretrained(model_name).to(device)

LANG = {
    "Nepali": "ne_NP",
    "Tamang": "hi_IN" # Hindi = proxy
}

def translate(text, src="Nepali", tgt="Tamang"):
    tokenizer.src_lang = LANG[src]

    batch = tokenizer(text, return_tensors="pt").to(device)

    generated = model.generate(
        **batch,
        forced_bos_token_id=tokenizer.lang_code_to_id[LANG[tgt]],
        num_beams=5,
        max_length=128
    )
    
    return tokenizer.batch_decode(generated, skip_special_tokens=True)[0]

# Example
text = "म आज धेरै खुशि छु।"
print("Input (Nepali):", text)
print("Translation (Tamang):", translate(text, src="Nepali",tgt="Tamang"))

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
MBartForConditionalGeneration
Ревизия весов
7b8ee95

0 моделей