tencent/Hunyuan-MT-7B

Hunyuan-MT-7B er Tencents flersprogede oversættelsesmodel. Dens grundlæggende opgave er at tage en kildepassage og gengive den på det ønskede målsprog. Tencent skelner denne oversætter fra Hunyuan-MT-Chimera, familiens ensemblemodel, som forfiner flere oversættelseskandidater til ét resultat.

Vælg sprogparret og den ønskede oversættelse

Tencent beskriver gensidig oversættelse mellem 33 sprog og fremhæver fem kinesiske etniske minoritetssprog eller dialekter. Den offentliggjorte sprogtabel omfatter kinesisk, traditionelt kinesisk, engelsk, fransk, portugisisk, spansk, japansk, tyrkisk, russisk, arabisk, koreansk, thai, italiensk, tysk, vietnamesisk, malajisk, indonesisk, filippinsk, hindi, polsk, tjekkisk, nederlandsk, khmer, burmesisk, persisk, gujarati, urdu, telugu, marathi, hebraisk, bengali, tamil og ukrainsk. Den angiver også udtrykkeligt tibetansk, kasakhisk, mongolsk, uigurisk og kantonesisk.

Angiv målsproget præcist, herunder det krævede skriftsystem, hvor det er relevant. En nyttig beskrivelse kan identificere, om et dokument kræver forenklet eller traditionelt kinesisk, og angive målgruppe og terminologi, som skal være ensartet. Bevar kildepassagen intakt, så oversættelsen kan kontrolleres mod det nøjagtige indsendte materiale.

Følg producentens oversættelsesprompt

Producenten leverer én promptskabelon til oversættelse, som involverer kinesisk, og en anden til sprogpar uden kinesisk. Begge angiver målsproget, placerer kildeteksten under instruktionen og beder om oversættelsen uden en ekstra forklaring. Modellen har ingen standardsystemprompt, så placér opgaveinstruktionen i den indsendte besked frem for at stole på en uspecificeret standardrolle.

Til et par uden kinesisk kan en oprindelig beskrivelse begynde: “Oversæt følgende segment til fransk uden yderligere forklaring.” Følg den med kildepassagen. Når opgaven involverer kinesisk, bruger du den tilsvarende kinesiske skabelon og erstatter dens pladsholder for målsproget. Den forventede leverance er den oversatte passage, klar til en særskilt vurdering eller applikationens næste behandlingstrin.

Forbered segmenter, som bevarer betydningen

Brug sammenhængende sætninger eller afsnit frem for at opdele tekst ved vilkårlige tegnpositioner. Medtag det omgivende materiale, som kræves for at fortolke pronominer, fagudtryk og idiomer. Til en produktmanual medtager du produktnavn, definerede begreber og den faktiske instruktion samlet; til en supportudveksling bevarer du spørgsmålet og det svar, det henviser til.

Hvis et større dokument behandles i segmenter, holder du et stabilt segment-ID uden for teksten, som oversættes, og bevarer den aftalte terminologi på tværs af de resulterende passager. Spørg udtrykkeligt, hvordan navne, målinger og pladsholdere skal behandles, og undersøg derefter behandlingen i outputtet. Disse forberedelsestrin gør resultatet lettere at samle og vurdere; de erstatter ikke kontrol af den oversatte betydning.

Hold oversætteren og ensemblemodellen adskilt

Hunyuan-MT-7B producerer en oversættelse fra kilden. Chimeras dokumenterede arbejdsgang tager i stedet originalkilden plus flere kandidater på målsproget og producerer én forfinet oversættelse. En arbejdsgang, som bruger begge trin, skal angive kandidaterne til den særskilte ensemblemodel; valget af MT-7B alene udfører ikke denne ekstra sammenfletning.

Producenten angiver også FP8-checkpoints særskilt. Bevar navnet på den almindelige Hunyuan-MT-7B-udgave, når du gemmer anmodningen og oversættelsen, og adskil den fra et FP8- eller Chimera-resultat, når du sammenligner. De senere HY-MT1.5-modeller har deres egne identiteter og specifikationer.

Oprindelig inferensvejledning og vurdering af resultatet

Tencent anbefaler temperature 0.7, top_p 0.6, top_k 20 og repetition_penalty 1.05 i sit oprindelige inferenseksempel. Behandl det oversatte indhold som resultatet, der skal vurderes. Kontrollér navne, tal, enheder, negation, datoer og sammenhængen mellem sætninger mod kilden, især hvor en bogstavelig oversættelse kan miste den ønskede betydning.

Gem kilde, målsprog, valgt modelidentitet og endeligt vurderet oversættelse sammen. Til applikationstekst kontrollerer du, at pladsholdere og formatering stadig hænger sammen med de tiltænkte felter; til et dokument læser du de samlede afsnit for ensartet terminologi og tone. En flydende sætning kan stadig kræve rettelse, hvis den ændrer en faktuel detalje eller en instruktion.

Via Ailoot vælger du dette nøjagtige model-ID i /v1/chat/completions og angiver opgaven i messages. Hver besked indeholder en role og sit content; hold den relevante instruktion og kildematerialet samlet. Hent hele JSON-svaret eller alle SSE-segmenter, når stream er aktiveret, og gem usage sammen med det skriftlige resultat.