/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
143 млн
Размер весов
286 МБ
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Опубликована
15 сен 2026

Haidass-Translate-143M-Instruction

Генерация текстаТекст → текст3 профессии

Компактная модель на архитектуре Qwen3 для двунаправленного перевода между китайским и английским с ограниченной поддержкой простых инструкций.

806скачиваний за 30 дней2лайкавеса обновлены18 сен 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

Haidass-Translate-143M-Instruction — компактная инструкция-настроенная модель для перевода, разработанная сообществом DALabCommunity. Это плотная причинная языковая модель на архитектуре Qwen3 с 143 млн параметров и контекстом 4096 токенов. Она дообучена на двунаправленном переводе между китайским и английским; в обучающую смесь также добавили очищенные диалоги общего назначения, чтобы модель могла ограниченно выполнять простые инструкции.

Основное применение — перевод с китайского на английский и с английского на китайский. Дополнительно модель может составлять короткие стихи, простые сводки и перефразировать текст, однако выполнение таких инструкций нестабильно. Для работы рекомендуется использовать встроенный chat template модели.

Среди ограничений — ошибки в именах и числовых деталях, а при переводе редких сущностей с китайского на английский иногда возникают повторяющиеся фрагменты. Модель оптимизирована для пары китайский—английский и не предназначена для общего диалога или других языковых пар. Лицензия — Apache-2.0.

Сценарии применения

  • перевод текста с английского на китайский
  • перевод текста с китайского на английский
  • составление коротких сводок на английском или китайском
  • перефразирование коротких текстов
  • создание коротких стихотворений по инструкции

Ограничения

Модель оптимизирована для китайско-английского перевода; выполнение общих инструкций ограничено и нестабильно. Возможны ошибки в именах и числах, а при переводе текстов с редкими сущностями — повторяющиеся фрагменты.

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

Haidass-Translate-143M-Instruction

English | 中文

The instruction-tolerant sibling of DALabCommunity/Haidass-Translate-143M: same 143M zh⇄en translation training, plus 9.1% cleaned general-domain data (STEP_FUN ShareGPT) mixed in. Translation scores are within 0.3 BLEU of the pure-translation version, and the model retains limited general instruction-following ability that the pure-translation version does not have.

Live demo: Haidass Translate Instruction on Hugging Face Spaces.

FLORES-200 dev

ModelParamsArchen→zh BLEUen→zh chrF++zh→en BLEUzh→en chrF++
HY-MT1.5-1.8B1800MLLM44.6530.9827.6857.96
Qwen3-0.6B600MLLM30.9421.1020.2148.62
OPUS-MT en-zh78MSeq2Seq30.8821.80--
OPUS-MT zh-en78MSeq2Seq--22.9951.03
Qwen2.5-0.5B-Instruct500MLLM28.9619.6518.0945.85
M2M-100-418M418MSeq2Seq28.0420.5320.5848.79
Haidass-Translate-143M143MLLM23.8917.5514.6540.76
Haidass-Translate-143M-Instruction143MLLM23.6417.2114.3540.13
NLLB-200-distilled-600M600MSeq2Seq22.4416.7425.7152.28
Drafter-143M*143MLLM12.049.435.4727.31

*Drafter-143M: a control model with identical configuration, data and training recipe, except that it starts from random initialization instead of the pretrained base — used to quantify the contribution of base-model pretraining.

OPUS-MT models are single-directional — one independent 78M model per direction; "-" marks directions a model does not serve.

FLORES+ devtest

The same models re-evaluated on FLORES+ devtest (released 2026; zero overlap with dev):

ModelParamsArchen→zh BLEUen→zh chrF++zh→en BLEUzh→en chrF++
HY-MT1.5-1.8B1800MLLM37.3626.0820.3351.48
OPUS-MT en-zh78MSeq2Seq32.2322.40--
OPUS-MT zh-en78MSeq2Seq--23.0651.03
Qwen3-0.6B600MLLM31.7621.4819.6648.14
Qwen2.5-0.5B-Instruct500MLLM29.3219.9518.0446.00
M2M-100-418M418MSeq2Seq28.2920.6019.5247.87
Haidass-Translate-143M143MLLM25.0617.7213.6840.02
Haidass-Translate-143M-Instruction143MLLM24.7417.7713.9539.93
NLLB-200-distilled-600M600MSeq2Seq23.0716.9424.3051.48
Drafter-143M*143MLLM10.939.005.8226.83

Instruction following

Mixing 9.1% general-domain data into the translation SFT gives this variant a limited ability to respond to general instructions (short poems, simple summaries, paraphrases) that the pure-translation sibling essentially lacks. This ability is fragile: prompts outside the translation domain may produce echoes of the input, partial answers, or drifting continuations. The model is still primarily a translator; treat general instruction following as a bonus, not a guarantee.

Training recipe

  • Base: Haidass1.5-143M (Qwen3 architecture: 30 layers, hidden 576, GQA 9/3, vocab 64,000)
  • Data: 7.837M cleaned zh↔en parallel sentence pairs (15.67M samples bidirectional) + 157,593 cleaned STEP_FUN ShareGPT conversations (9.1% of training tokens)
  • Packing: official MindSpeed-LLM --pack --neat-pack (683,227 full 2048-token sequences with inter-document attention-mask isolation)
  • Training: 16×Ascend 910C, GBS=256, lr 3e-5 cosine, 2 epochs = 5,337 steps (~2.8B tokens), final loss 1.788
  • Framework: MindSpeed-LLM v2.3.0 + Megatron-LM core_v0.12.1 (NPU)

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer

model = AutoModelForCausalLM.from_pretrained("umeiko/Haidass-Translate-143M-Instruction", torch_dtype="bfloat16", device_map="auto")
tok = AutoTokenizer.from_pretrained("umeiko/Haidass-Translate-143M-Instruction")

msgs = [{"role": "user", "content": "将以下文本翻译为英文:光子甚至比构成原子的物质还要小!"}]
ids = tok.apply_chat_template(msgs, add_generation_prompt=True, return_tensors="pt").to(model.device)
out = model.generate(ids, max_new_tokens=512, do_sample=False)
print(tok.decode(out[0][ids.shape[1]:], skip_special_tokens=True))
# Even photons are smaller than the stuff that makes up atoms!

Note: the training data follows the qwen3 chat template (an empty <think></think> block precedes the assistant turn). Always use the model's built-in chat_template at inference; do not hand-craft prompts.

Known limitations

  • zh→en BLEU plateaus at ~14 across data scales; more same-distribution parallel data does not push this direction further
  • Typical residual errors: entity mix-ups, occasional omission of numeric details; rare-entity-dense zh→en inputs can trigger repetitive looping under greedy decoding (use repetition_penalty / no_repeat_ngram_size as mitigation)
  • General instruction following is limited and unstable (see above)
  • Optimized for zh⇄en; not a general chat model

Evaluation

  • Metrics: sacreBLEU corpus BLEU (tokenize=zh for Chinese targets, tokenize=13a for English) + chrF++ (word_order=2); prompts byte-identical to the training chat template
  • Decontamination: all 15.83M training samples audited against both benchmarks by n-gram overlap (8-word English / 10-character Chinese fragments): 1,147 hits (0.0072%) vs FLORES-200 dev, 1,788 (0.0113%) vs FLORES+ devtest; the STEP_FUN-only subset shows 6 hits (0.0038%) vs devtest. Manual inspection shows common-phrase-level overlap, not full-sentence leakage
  • Raw predictions, audit reports and evaluation scripts for every model in the tables above: umeiko/Haidass-Translate-143M-eval

Note: all scores are measured on the FLORES Chinese–English subset (eng_Latn ↔ zho_Hans), bidirectional (997 sentences for dev, 1,012 for devtest), with greedy decoding.

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3ForCausalLM
Ревизия весов
a6eef40

0 моделей