模型详情
模型介绍
中文整理具有自我评估能力的机器翻译模型简介
一种同时具有翻译能力和自我评估能力的NMT，训练仅基于平行双语数据，不依赖参考译文和人工打分数据。backbone选用先进的transformer-large模型，编码器和解码器深度分别为24和6，相关论文已发表于EMNLP 2022。
温馨提示
使用pipeline推理及在线体验功能的时候，尽量输入单句文本，如果是多句长文本建议人工分句，否则可能出现漏译或未译等情况！！！
模型描述
期望模型使用方式以及适用范围
本模型适用于一定数据规模（百万级以上）的所有翻译语向。
如何使用
在ModelScope框架上，提供输入源文，即可通过简单的Pipeline调用来使用。
代码范例
模型局限
- 模型在通用数据集上训练，部分垂直领域有可能产生一些偏差，请用户自行评测后决定如何使用。
- 模型仅能自我评估，即评估自己产生的译文的质量，对其他译文的质量评估会有一定偏差。
训练数据介绍
- WMT21数据集，系WMT官方提供的新闻领域双语数据集。
- Opensubtitles2018，偏口语化（字幕）的双语数据集。
- OPUS，众包数据集。
论文引用
如果你觉得这个该模型对有所帮助，请考虑引用下面的相关的论文：
优先采用原作者提供的中文模型卡片；仅有英文说明时由闲社AI翻译整理。重要参数、许可证和商用范围请以原文为准。
你将获得什么
完整仓库方式包含该固定版本中的权重、配置、分词器及说明文件；指定版本方式只下载所选文件或整组分片。多模态模型的投影文件、配置等依赖，请按作者说明配齐。
完整仓库可能包含多个权重格式，因此需要的磁盘空间可能大于单一格式的模型大小。下载文件不等于完成模型部署。
使用前须知
运行环境运行模型需要的设备、工具与依赖，以原作者说明为准。
授权范围是否允许商用、修改和分发，请查看模型许可证。
闲社提供资料与镜像下载方法，不代表已运行模型或完成安全审计。下载的代码应先检查，再执行。
资料或下载有问题？
登录后可提交反馈。
