Характеристики

Контекст: 1 024 токена
Параметры: 464 млн
Лицензия: CC BY-NC 4.0
Архитектура: m2m_100 · dense
Базовая модель: nllb-200-distilled-600M
Библиотека: transformers
Опубликована: 15 июл 2026

Ссылки

Hugging Face

warmly-nmt-nllb600-enko

neureps

ПереводТекст → текст3 профессии

Дообученная версия NLLB-200-distilled-600M для перевода эмоциональных комментариев с английского на корейский.

17скачиваний за 30 дней0лайковвеса обновлены15 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.

Добавьте модель в бенчмарк
Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
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

neureps разработала warmly-nmt-nllb600-enko — дообученную на англо-корейских комментариях модель машинного перевода на базе NLLB-200-distilled-600M. Она предназначена для перевода эмоциональных комментариев с английского на корейский; использует архитектуру M2M100ForConditionalGeneration и библиотеку Transformers. В обучении применялись 1410 примеров, для проверки — 300, обучение шло 6 эпох. Модель содержит 463,7 млн параметров, поддерживает контекст до 1024 токенов и распространяется в формате safetensors.

Модель лучше исходной версии справляется с пробелами, восклицаниями и сохранением эмодзи при использовании внешней обёртки для маскирования и восстановления эмодзи. В тестировании chrF составил 33,7 на полном наборе из 40 примеров и 36,3 на примерах, соответствующих реальному распределению. При этом сохраняются отдельные ошибки перевода тематической лексики, связанные с ограниченным словарным запасом модели. Лицензия CC-BY-NC-4.0 запрещает коммерческое использование; карточка позиционирует модель для исследований и сравнительной оценки.

Сценарии применения

перевод англоязычных комментариев о животных на корейский
перевод эмоциональных сообщений с сохранением восклицаний
перевод коротких отзывов из английского на корейский
сравнительная оценка моделей перевода комментариев

Ограничения

Модель может ошибаться в тематической лексике, например переводить broth как «соль» или whiskers как «голова». Эмодзи следует отделять перед переводом и возвращать после него с помощью внешней обёртки; лицензия запрещает коммерческое использование.

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 710моделей II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

warmly-nmt-nllb600-enko — EN→KO 댓글 번역 파인튜닝 (B안 v2, 게이트 경계)

⚠️ 비상업 라이선스(CC-BY-NC-4.0, NLLB 상속) — 상용 배포 불가. 연구·비교 실측용입니다.

NLLB-200-distilled-600M을 Warmly(온기)의 B안(0.8B 영어 댓글 생성 + 소형 번역기) 트랙에서 EN→KO 감성 댓글 도메인으로 파인튜닝한 모델입니다 (2026-07-15, train 1410 / valid 300, 6 epoch, 교사 Qwen3-8B 평이 번역, 이모지 마스킹 파이프라인).

결과 요약 (testset40, chrF vs 8B 참조)

valid chrF 36.2 → 40.1 / testset40 전체 33.7, 실분포 36.3, 적대적 36.7
파인튜닝이 고친 것: 제로샷 띄어쓰기 버그 소멸, 감탄문 누락 복원("So fluffy!!"→"너무 부드럽다!!"), 이모지 완벽 보존(마스킹→재부착 래퍼), 자연성 8B 근접, 자기비하 답글 안전
못 고친 것 (600M 어휘력 천장): broth→소금, whiskers→머리 등 흔한 도메인어 오역 잔존 — 게이트(오역 ≤2/40) 전체 미달, 실분포 경계(~2-3)
제로샷 선발전에서 NLLB-1.3B가 이 어휘들을 이미 맞힘(whiskers→콧수염) → 1.3B 파인튜닝이 어휘 오역 해소 유력하나 스택 ~1410MB로 A안(1201MB) 초과 — 보류 상태

사용법

from transformers import AutoModelForSeq2SeqLM, AutoTokenizer
tok = AutoTokenizer.from_pretrained("neureps/warmly-nmt-nllb600-enko", src_lang="eng_Latn")
model = AutoModelForSeq2SeqLM.from_pretrained("neureps/warmly-nmt-nllb600-enko")
ids = tok("So fluffy!! I love this cat.", return_tensors="pt")
out = model.generate(**ids, forced_bos_token_id=tok.convert_tokens_to_ids("kor_Hang"))

이모지는 번역 전 placeholder로 분리 후 재부착해야 합니다(NMT 공통 — 마스킹 래퍼는 qwen-prune 프로젝트 nmt/emoji_util.py).

계보

KoBART(실패) → SMaLL-100 파일럿(가설 입증, 게이트 미달) → NLLB-600M v2 (이 모델) → NLLB-1.3B(보류). 전 이력: warmly-nmt-small100-enko, warmly-nmt-kobart-enko.

파일

best/ 체크포인트: model.safetensors (2.4GB, fp32) + NLLB 토크나이저 일체.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры: M2M100ForConditionalGeneration
Ревизия весов: 2e25be9