/ Модель

Характеристики

Контекст
512 токенов
Параметры
183 млн
Лицензия
MIT
Архитектура
marian · dense
Библиотека
transformers
Опубликована
14 июл 2026

eo-mt-v13-large-bidir

ПереводТекст → текст3 профессии

Двунаправленная MarianMT-модель для перевода текстов между английским и эсперанто.

9скачиваний за 30 дней0лайковвеса обновлены14 июл 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.

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

jensjepsen/eo-mt-v13-large-bidir — двунаправленная модель машинного перевода на архитектуре MarianMT, разработанная Jens Jepsen и обученная на корпусе v13. Она переводит между английским и эсперанто в обоих направлениях; направление задаётся специальным токеном перед входным текстом. Модель содержит около 285,3 млн параметров по README; в метаданных указано 183,4 млн. Контекст — 512 токенов, библиотека загрузки — Transformers, веса доступны в формате safetensors.

Модель обучена на параллельных корпусах английского и эсперанто, включая данные для математики и разметки. В README приведены результаты BLEU 28,37 на FLORES devtest для перевода с английского на эсперанто и 34,02 на валидации OPUS-100, а также примеры сохранения форматирования LaTeX и передачи названий произведений. Версия v13 исключает загрязнённые UI-данные OPUS-100 KDE/GNOME/Ubuntu, которые приводили к сбоям перевода меток интерфейса в v12.

Модель предназначена для перевода текстов между английским и эсперанто, включая предложения с математической разметкой и названиями. Лицензия — MIT. Число параметров в README расходится с метаданными; приведены оба значения.

Сценарии применения

  • перевод с английского на эсперанто
  • перевод с эсперанто на английский
  • перевод предложений с математической разметкой
  • перевод текстов с названиями произведений
  • перевод параллельных корпусов EN–EO

Ограничения

Контекст ограничен 512 токенами. Число параметров в README (285,3 млн) расходится со значением в метаданных (183,4 млн).

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

eo-mt-v13-large-bidir

MarianMT bidirectional English<->Esperanto, ~285M params (mt/configs/large.yaml). Trained on the v13 corpus, which drops the OPUS-100 KDE/GNOME/Ubuntu contamination that caused the v12 UI-label collapse failure mode (@ info: whatsthis -> & Resize, Name -> A tool to store a new image).

Config (large.yaml)

d_model 1024, 8 enc + 8 dec layers, 16 heads, ffn 4096. Total: 285.3M / trainable 284.3M params.

Data

  • jensjepsen/esperanto-mt-parallel-v13 (5.03M rows; no opus-100)
  • jensjepsen/esperanto-mt-math-parallel-v2 (sentences + rows)
  • jensjepsen/esperanto-mt-yago-parallel-v2 (labels + comments)
  • jensjepsen/esperanto-orca-math-gemini-parallel

Total pool: 5.84M rows/epoch.

Training

Single RTX 5090, bf16, 3 epochs (136,962 steps), effective batch 128 (per-device 64 x grad_accum 2), peak LR 2e-4, cosine decay, warmup 2000 steps, weight_decay 0.01, label smoothing 0.1, dropout 0.1, direction=bidir, val-direction=en2eo. Runtime ~10h 30m.

Tokenizer: spm_eneo_48k_v3.model (SPM unigram, case-preserving nmt_nfkc).

Final val BLEU (cased sacrebleu, ep 3.0)

setv13 largev12 largeΔ
FLORES devtest (en2eo)28.3728.26+0.11
opus100 validation34.0233.99+0.03
MMLU STEM68.4968.90-0.41
MMLU full61.1860.58+0.60
SciQ66.1866.85-0.67
Math WP99.7099.69+0.01

Beats v12 on 4/6 metrics. Peak FLORES BLEU 28.40 at ep 1.75 (best of any run to date on this eval).

Eyeball evaluation: preserves named-work titles bilingually (The Vampire Diaries (La Vampiro Diaries) estas usona televida serio de supernaturaj dramoj), keeps LaTeX formatting clean (v12 introduced spurious spaces around parens), handles distinctions v13-tiny loses (zip-kodo vs poshkodo), and produces more natural English on EO->EN (at a red light vs at red light).

Loading

from transformers import MarianMTModel
import sentencepiece as spm

model = MarianMTModel.from_pretrained("jensjepsen/eo-mt-v13-large-bidir")
sp = spm.SentencePieceProcessor(model_file="spm_eneo_48k_v3.model")
# Prepend <eo> (id=48001) to input for EN->EO, or <en> (id=48000) for EO->EN.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
MarianMTModel
Ревизия весов
f5901c3

0 моделей