库名称: transformers 语言:

• 多语言
• 孟加拉语
• 捷克语
• 德语
• 英语
• 爱沙尼亚语
• 芬兰语
• 法语
• 古吉拉特语
• 豪萨语
• 印地语
• 冰岛语
• 日语
• 哈萨克语
• 高棉语
• 立陶宛语
• 拉脱维亚语
• 波兰语
• 普什图语
• 俄语
• 泰米尔语
• 土耳其语
• 乌克兰语
• 科萨语
• 中文
• 祖鲁语 许可证: apache-2.0 基础模型: answerdotai/ModernBERT-base 标签:
• 质量评估
• 回归
• 训练生成 数据集:
• ymoslem/wmt-da-human-evaluation-long-context 模型索引:
• 名称: 机器翻译质量评估 结果:
  • 任务: 类型: 回归 数据集: 名称: ymoslem/wmt-da-human-evaluation-long-context 类型: QE 指标:
    • 名称: 皮尔逊相关系数 类型: Pearson 值: 0.5013
    • 名称: 平均绝对误差 类型: MAE 值: 0.1024
    • 名称: 均方根误差 类型: RMSE 值: 0.1464
    • 名称: R平方 类型: R2 值: 0.251 指标:
• 皮尔逊相关系数
• 平均绝对误差
• R平方

机器翻译质量评估

该模型是基于answerdotai/ModernBERT-base在ymoslem/wmt-da-human-evaluation-long-context数据集上微调的版本。在评估集上取得了以下结果:

• 损失: 0.0214
• 皮尔逊系数: 0.5013
• 平均绝对误差: 0.1024
• 均方根误差: 0.1464
• R平方: 0.251

模型描述

该模型用于机器翻译(MT)系统的无参考、长上下文质量评估(QE)。它训练于包含最多32个句子(源语言和目标语言各64个句子)的翻译对数据集。因此，该模型适用于文档级质量评估。

训练和评估数据

模型训练于长上下文数据集ymoslem/wmt-da-human-evaluation-long-context。用于机器翻译质量评估的长上下文/文档级数据集是句子级WMT DA人工评估数据集的增强版本。除了单个句子外，它还包含每个语言对lp和domain下2、4、8、16和32个句子的增强组合。raw列表示使用src和mt字符长度作为权重的增强句子得分的加权平均值。

• 训练数据: 765万条长上下文文本
• 测试数据: 59,235条长上下文文本

训练过程

模型在1块H200 SXM(143GB显存)上训练约26小时。

• tokenizer.model_max_length: 8192(完整上下文长度)
• attn_implementation: flash_attention_2

训练超参数

训练期间使用的超参数如下:

• 学习率: 0.0003
• 训练批次大小: 128
• 评估批次大小: 128
• 随机种子: 42
• 优化器: 使用OptimizerNames.ADAMW_TORCH_FUSED，beta=(0.9,0.999)，epsilon=1e-08，无额外优化器参数
• 学习率调度器类型: 线性
• 训练步数: 60000(约1个epoch)

训练结果

框架版本

• Transformers 4.48.1
• Pytorch 2.4.1+cu124
• Datasets 3.2.0
• Tokenizers 0.21.0

推理

1. 安装所需库。

pip3 install --upgrade datasets accelerate transformers
pip3 install --upgrade flash_attn triton

2. 加载测试数据集。

from datasets import load_dataset

test_dataset = load_dataset("ymoslem/wmt-da-human-evaluation",
                             split="test",
                             trust_remote_code=True
                            )
print(test_dataset)

3. 加载模型和分词器:

from transformers import AutoModelForSequenceClassification, AutoTokenizer
import torch

# 加载微调模型和分词器
model_name = "ymoslem/ModernBERT-base-long-context-qe-v1"
model = AutoModelForSequenceClassification.from_pretrained(
    model_name,
    device_map="auto",
    torch_dtype=torch.bfloat16,
    attn_implementation="flash_attention_2",
)
tokenizer = AutoTokenizer.from_pretrained(model_name)

# 将模型移至GPU(如果可用)
device = "cuda" if torch.cuda.is_available() else "cpu"
model.to(device)
model.eval()

4. 准备数据集。每个源语言段src和目标语言段tgt用sep_token分隔，ModernBERT的分隔符是'</s>'。

sep_token = tokenizer.sep_token
input_test_texts = [f"{src} {sep_token} {tgt}" for src, tgt in zip(test_dataset["src"], test_dataset["mt"])]

5. 生成预测。

如果打印model.config.problem_type，输出是regression。但仍可使用"text-classification"流水线如下(参见流水线文档):

from transformers import pipeline

classifier = pipeline("text-classification",
                      model=model_name,
                      tokenizer=tokenizer,
                      device=0,
                     )

predictions = classifier(input_test_texts,
                         batch_size=128,
                         truncation=True,
                         padding="max_length",
                         max_length=tokenizer.model_max_length,
                       )
predictions = [prediction["score"] for prediction in predictions]

或者，可以使用更精细的代码版本，速度稍快且提供更多控制。

from torch.utils.data import DataLoader
import torch
from tqdm.auto import tqdm