---
title: nlp_canmt_translation_zh2en_large
canonical_url: "https://www.modelscope.cn/models/iic/nlp_canmt_translation_zh2en_large"
md_url: "https://www.modelscope.cn/models/iic/nlp_canmt_translation_zh2en_large.md"
repository: iic/nlp_canmt_translation_zh2en_large
chinese_name: "一种具有自我评估能力的机器翻译-中英-通用领域-large"
last_updated: 2023-05-16
license: "Apache License 2.0"
pipeline_tag: translation
tasks:
  - translation
model_type:
  - canmt
library_name:
  - pytorch
frameworks:
  - pytorch
language:
  - zh-en
domain:
  - nlp
downloads: 994
stars: 9
tags:
  - "Competency-Aware Neural Machine Translation"
  - "Neural Machine Translation"
  - Self-estimation
  - "EMNLP 2022"
---

# nlp_canmt_translation_zh2en_large

> nlp_canmt_translation_zh2en_large - iic 在 ModelScope 开源的模型。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。

iic/nlp_canmt_translation_zh2en_large 是 ModelScope 魔搭社区上的translation模型，采用 Apache License 2.0 许可。

- **Repository**: iic/nlp_canmt_translation_zh2en_large
- **License**: Apache License 2.0
- **Tasks**: translation
- **Tags**: Competency-Aware Neural Machine Translation, Neural Machine Translation, Self-estimation, EMNLP 2022
- **Downloads**: 994
- **Stars**: 9
- **Last updated**: 2023-05-16

Source: https://www.modelscope.cn/models/iic/nlp_canmt_translation_zh2en_large

---

# 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
```python
# Chinese-to-English

# 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！！！

from modelscope.pipelines import pipeline
from modelscope.utils.constant import Tasks

input_sequence = '110例癫痫患者血清抗脑抗体的测定'

pipeline_ins = pipeline(task=Tasks.competency_aware_translation, model="damo/nlp_canmt_translation_zh2en_large")
outputs = pipeline_ins(input=input_sequence)

print(outputs) # (translation: ['Determination of serum anti-brain antibodies in 110 patients with epilepsy'], self-estimation: [1.7111575603485107])
```

### 模型局限
1. 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。
2. 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
1. [WMT21](https://arxiv.org/abs/2204.06812)数据集，系WMT官方提供的新闻领域双语数据集。
2. [Opensubtitles2018](https://www.opensubtitles.org)，偏口语化（字幕）的双语数据集。
3. [OPUS](https://www.opensubtitles.org)，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：
``` bibtex
@inproceedings{Zhang2022CompetencyAwareNM,
  title={Competency-Aware Neural Machine Translation: Can Machine Translation Know its Own Translation Quality?},
  author={Pei Zhang and Baosong Yang and Hao-Ran Wei and Dayiheng Liu and Kai Fan and Luo Si and Jun Xie},
  booktitle={Conference on Empirical Methods in Natural Language Processing},
  year={2022}
}
```