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
Это модель машинного перевода с английского на китайский, обученная с помощью fairseq и опубликованная для задачи оценки качества переводов WMT20 на наборе MLQE. Модель использовалась для создания переводов, которые затем применялись в этой задаче.
Архитектура — FSMT для условной генерации текста; в репозитории размещён PyTorch-чекпойнт объёмом 25,2 млн параметров. Максимальный контекст составляет 1024 токена. Модель предназначена для перевода англоязычного текста на китайский; в метаданных также отмечены языки en и zh и датасеты WMT News Commentary, WikiTitles и UN Corpus.
Чекпойнт конвертирован из исходного fairseq-чекпойнта в формат Transformers. Для использования указана лицензия CC BY-SA 4.0. README отсылает за дополнительными сведениями о параметрах и обучающих данных к связанным репозиториям.
Сценарии применения
перевод английских новостных текстов на китайский
перевод заголовков и коротких статей с английского на китайский
подготовка машинных переводов для последующей оценки качества
эксперименты с машинным переводом в задачах WMT
Ограничения
Модель описана для направления английский → китайский; данных о поддержке других направлений и сравнительных показателях качества в README нет.
Для каких профессий подходит3
Разделы каталога профессий, в задачах которых используется эта модель
This repository contains the English-Chinese model trained with the fairseq toolkit that was used to produce translations used in the WMT20 shared task on quality estimation (QE) on the MLQE dataset.
The checkpoint was converted from the original fairseq checkpoint available here using the convert_fsmt_original_pytorch_checkpoint_to_pytorch.py script from the 🤗 Transformers library (v4.26.0).
Please refer to the repositories linked above for additional information on usage, parameters and training data
Как запустить
На своей GPU в ailist. Цена — по текущим предложениям провайдеров