yanolja/YanoljaNEXT-Rosetta-12B-2510
YanoljaNEXT-Rosetta-12B-2510 This model is a fine-tuned version of google/gemma-3-12b-pt(https://huggingface.co/google/gemma-3-12b-pt). As it is intended solely for text generation, we have extracted and utilized only the Gemma3ForCausalLM component...
Thành tựu nổi bật
Những danh hiệu mới nhất của dự án
#2 Repository Của Tuần
#3 Repository Của Tuần
#2 Repository Của Tuần
🌍 Model dịch JSON giữ nguyên cấu trúc, đánh bại GPT-4o trên WMT24++
Một model 12B tham số chuyên dịch dữ liệu có cấu trúc, giữ nguyên JSON và vượt GPT-4o trên benchmark WMT24++.
YanoljaNEXT-Rosetta-12B-2510 là model decoder-only 12 tỷ tham số, fine-tune từ google/gemma-3-12b-pt bởi Yanolja NEXT. Khác với các model EEVE trước đây, nó không mở rộng tokenizer. Điểm chính: dịch dữ liệu có cấu trúc (JSON) mà vẫn giữ nguyên cấu trúc gốc.
✨ Điểm nổi bật
- Dịch JSON giữ cấu trúc: đầu vào JSON, đầu ra JSON với cùng các key, chỉ dịch giá trị.
- 32 ngôn ngữ hỗ trợ: từ tiếng Ả Rập, Trung, Nhật, Hàn đến tiếng Việt, tiếng Thái, tiếng Tagalog...
- Context/tone/glossary: system prompt nhận ngữ cảnh, tông giọng và bảng thuật ngữ để dịch chính xác.
- Output linh hoạt: JSON cho dữ liệu có cấu trúc, text thường cho bản dịch đơn giản.
- Benchmark cao: CHrF++ WMT24++ đạt 37.36 trên en→ko, cao hơn GPT-4o (36.08) và Gemini 2.5 Flash (35.25).
- Không mở rộng tokenizer: dùng tokenizer gốc của Gemma3, triển khai đơn giản hơn.
- Dữ liệu huấn luyện: FineWeb Edu và FineWeb2, tổng hợp synthetic multilingual translation.
- Giữ nguyên hiệu quả: chất lượng cao với kích thước 12B, dễ deploy.
💡 Vì sao đáng chú ý
Điểm khác biệt lớn nhất là khả năng dịch dữ liệu có cấu trúc mà không phá vỡ schema — rất hữu ích cho localization catalog sản phẩm, dịch review khách sạn, xử lý pipeline dữ liệu đa ngôn ngữ. Thay vì phải parse/dịch/re-serialize thủ công, model tự trả JSON đúng cấu trúc.
Dù benchmark nổi bật là en→ko, model cũng được huấn luyện cân bằng trên 32 ngôn ngữ và có thể hoạt động tốt trên các ngôn ngữ khác mà Gemma3 hỗ trợ. Phù hợp cho team cần dịch lượng lớn dữ liệu có cấu trúc với chi phí hợp lý.
#Translation #Multilingual #JSON #Gemma3 #TiniX
Dự án tương tự
Khám phá các dự án và mô hình AI khác có sự tương đồng.
Whisper Whisper is a state-of-the-art model for automatic speech recognition (ASR) and speech translation, proposed in the paper Robust Speech Recognition via Large-Scale Weak Supervision(https://huggingface.co/papers/2212.04356) by Alec Radford et...
Whisper Whisper is a state-of-the-art model for automatic speech recognition (ASR) and speech translation, proposed in the paper Robust Speech Recognition via Large-Scale Weak Supervision(https://huggingface.co/papers/2212.04356) by Alec Radford et...
sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2 This is a sentence-transformers(https://www.SBERT.net) model: It maps sentences & paragraphs to a 384 dimensional dense vector space and can be used for tasks like clustering or semantic se...
XLM-RoBERTa (base-sized model) XLM-RoBERTa model pre-trained on 2.5TB of filtered CommonCrawl data containing 100 languages. It was introduced in the paper Unsupervised Cross-lingual Representation Learning at Scale(https://arxiv.org/abs/1911.02116)...
Multilingual-E5-large Multilingual E5 Text Embeddings: A Technical Report(https://arxiv.org/pdf/2402.05672). Liang Wang, Nan Yang, Xiaolong Huang, Linjun Yang, Rangan Majumder, Furu Wei, arXiv 2024 This model has 24 layers and the embedding size is...
Multilingual-E5-small Multilingual E5 Text Embeddings: A Technical Report(https://arxiv.org/pdf/2402.05672). Liang Wang, Nan Yang, Xiaolong Huang, Linjun Yang, Rangan Majumder, Furu Wei, arXiv 2024 This model has 12 layers and the embedding size is...
Whisper Whisper is a pre-trained model for automatic speech recognition (ASR) and speech translation. Trained on 680k hours of labelled data, Whisper models demonstrate a strong ability to generalise to many datasets and domains without the need for...
Multilingual-E5-base Multilingual E5 Text Embeddings: A Technical Report(https://arxiv.org/pdf/2402.05672). Liang Wang, Nan Yang, Xiaolong Huang, Linjun Yang, Rangan Majumder, Furu Wei, arXiv 2024 This model has 12 layers and the embedding size is 7...
The embedding model trained by Jina AI. jina-embeddings-v3: Multilingual Embeddings With Task LoRA Quick Start Blog(https://jina.ai/news/jina-embeddings-v3-a-frontier-multilingual-embedding-model/parameter-dimensions) | Azure(https://azuremarketplac...