Legal T5 Small Trans Es En Small Finetuned

🚀 legal_t5_small_trans_es_en_small_finetuned模型

該模型用於將法律文本從西班牙語翻譯成英語。它首次發佈於 此倉庫。此模型先在所有翻譯數據上針對一些無監督任務進行預訓練，然後在來自jrc - acquis、europarl和dcep的三個平行語料庫上進行訓練。

✨ 主要特性

• 專為西班牙語到英語的法律文本翻譯設計。
• 基於t5 - small模型，在大規模平行文本語料庫上訓練。
• 是一個較小的模型，通過使用dmodel = 512、dff = 2,048、8頭注意力機制，且編碼器和解碼器各只有6層，縮小了t5基線模型的規模，約有6000萬個參數。

📦 安裝指南

文檔中未提及具體安裝步驟，可參考transformers庫的安裝方式，使用以下命令安裝：

pip install transformers

💻 使用示例

基礎用法

以下是如何在PyTorch中使用該模型將法律文本從西班牙語翻譯成英語的示例：

from transformers import AutoTokenizer, AutoModelWithLMHead, TranslationPipeline

pipeline = TranslationPipeline(
model=AutoModelWithLMHead.from_pretrained("SEBIS/legal_t5_small_trans_es_en_small_finetuned"),
tokenizer=AutoTokenizer.from_pretrained(pretrained_model_name_or_path = "SEBIS/legal_t5_small_trans_es_en", do_lower_case=False, 
                                            skip_special_tokens=True),
    device=0
)

es_text = "de Jonas Sjöstedt (GUE/NGL)"

pipeline([es_text], max_length=512)

📚 詳細文檔

模型描述

legal_t5_small_trans_es_en_small_finetuned最初在訓練集的所有數據上針對無監督任務進行預訓練，該無監督任務是“掩碼語言建模”。它基於t5 - small模型，在大規模平行文本語料庫上進行訓練。

預期用途和限制

該模型可用於將法律文本從西班牙語翻譯成英語。

訓練數據

legal_t5_small_trans_es_en_small_finetuned模型（包括僅涉及相應語言對的監督任務，以及所有語言對數據都可用的無監督任務）在[JRC - ACQUIS](https://wt - public.emm4u.eu/Acquis/index_2.2.html)、EUROPARL和[DCEP](https://ec.europa.eu/jrc/en/language - technologies/dcep)數據集上進行訓練，這些數據集包含900萬條平行文本。

訓練過程

• 該模型在單個TPU Pod V3 - 8上總共訓練了250K步，使用序列長度512（批量大小4096）。
• 它總共有約2.2億個參數，採用編碼器 - 解碼器架構進行訓練。
• 預訓練使用的優化器是AdaFactor，採用逆平方根學習率調度。

預處理

使用從平行語料庫（所有可能的語言對）的8800萬行文本訓練的一元模型來獲取詞彙表（使用字節對編碼），並將其用於該模型。

預訓練

預訓練數據是所有42種語言對的組合數據。模型的任務是預測句子中隨機掩碼的部分。

評估結果

當該模型用於翻譯測試數據集時，取得了以下結果：

BibTeX引用和引用信息

由 Ahmed Elnaggar/@Elnaggar_AI 創建 | [領英](https://www.linkedin.com/in/prof - ahmed - elnaggar/)

🔧 技術細節

該模型基於t5 - small架構，通過調整參數如dmodel = 512、dff = 2,048、8頭注意力機制以及編碼器和解碼器各6層，縮小了模型規模。在訓練過程中，先進行無監督的掩碼語言建模預訓練，再在特定的平行語料庫上進行監督訓練，使用AdaFactor優化器和逆平方根學習率調度，以實現從西班牙語到英語的法律文本翻譯。