tencent/Hunyuan-MT-7B

Hunyuan-MT-7B är Tencents flerspråkiga översättningsmodell. Dess grunduppgift är att ta ett källavsnitt och återge det på önskat målspråk. Tencent skiljer denna översättare från Hunyuan-MT-Chimera, familjens ensemblemodell som förfinar flera översättningskandidater till ett resultat.

Välj språkpar och avsedd översättning

Tencent beskriver ömsesidig översättning mellan 33 språk och lyfter fram fem kinesiska etniska minoritetsspråk eller dialekter. Den publicerade språktabellen omfattar kinesiska, traditionell kinesiska, engelska, franska, portugisiska, spanska, japanska, turkiska, ryska, arabiska, koreanska, thailändska, italienska, tyska, vietnamesiska, malajiska, indonesiska, filippinska, hindi, polska, tjeckiska, nederländska, khmer, burmesiska, persiska, gujarati, urdu, telugu, marathi, hebreiska, bengali, tamil och ukrainska. Den anger också uttryckligen tibetanska, kazakiska, mongoliska, uiguriska och kantonesiska.

Ange målspråket exakt, inklusive önskat skriftsystem där det är relevant. En användbar beskrivning kan ange om ett dokument behöver förenklad eller traditionell kinesiska och namnge målgruppen och den terminologi som ska vara konsekvent. Behåll källavsnittet intakt så att översättningen kan kontrolleras mot exakt det material som bifogats.

Följ tillverkarens översättningsprompt

Tillverkaren tillhandahåller en promptmall för översättning som involverar kinesiska och en annan för språkpar som inte involverar kinesiska. Båda anger målspråket, placerar källtexten under instruktionen och begär översättningen utan ytterligare förklaring. Modellen har ingen standardsystemprompt, så lägg uppgiftsinstruktionen i det inskickade meddelandet i stället för att förlita dig på en ospecificerad standardroll.

För ett språkpar utan kinesiska kan en ursprunglig beskrivning börja: ”Översätt följande avsnitt till franska, utan ytterligare förklaring.” Följ den med källavsnittet. När uppgiften involverar kinesiska använder du motsvarande kinesiska mall och ersätter dess platshållare för målspråket. Det förväntade resultatet är det översatta avsnittet, redo för en separat granskning eller applikationens nästa bearbetningssteg.

Förbered avsnitt som bevarar betydelsen

Använd sammanhängande meningar eller stycken i stället för att dela texten vid godtyckliga teckenpositioner. Behåll det omgivande material som behövs för att tolka pronomen, facktermer och idiom. För en produktmanual tar du med produktnamnet, definierade termer och den faktiska instruktionen tillsammans; för ett supportutbyte bevarar du frågan och svaret den hänvisar till.

Om ett större dokument bearbetas i avsnitt ska du behålla ett stabilt avsnitts-ID utanför texten som översätts och upprätthålla den överenskomna terminologin genom de resulterande avsnitten. Ange uttryckligen hur namn, mått och platshållare ska hanteras och granska sedan hanteringen i utdata. Dessa förberedelser gör resultatet lättare att sätta ihop och granska; de ersätter inte kontrollen av den översatta betydelsen.

Håll översättaren och ensemblen åtskilda

Hunyuan-MT-7B producerar en översättning från källan. Chimeras dokumenterade arbetsflöde tar i stället originalkällan och flera kandidater på målspråket och producerar en enda förfinad översättning. Ett arbetsflöde som använder båda stegen måste skicka dessa kandidater till den separata ensemblemodellen; att endast välja MT-7B utför inte denna ytterligare sammanslagning.

Tillverkaren listar också FP8-checkpoints separat. Behåll namnet på den vanliga Hunyuan-MT-7B-utgåvan när du sparar begäran och översättningen och skilj den från ett FP8- eller Chimera-resultat vid jämförelser. De senare HY-MT1.5-modellerna har egna identiteter och specifikationer.

Inbyggd inferensvägledning och resultatgranskning

Tencent rekommenderar temperature 0.7, top_p 0.6, top_k 20 och repetition_penalty 1.05 i sitt exempel på inbyggd inferens. Behandla det översatta innehållet som resultatet som ska granskas. Kontrollera namn, tal, enheter, negationer, datum och sambanden mellan meningarna mot källan, särskilt där en bokstavlig översättning kan tappa den avsedda betydelsen.

Behåll källa, målspråk, vald modellidentitet och slutlig granskad översättning tillsammans. För applikationstext kontrollerar du att platshållare och formatering fortfarande kopplar till avsedda fält; för ett dokument läser du de sammanfogade styckena för konsekvent terminologi och ton. En flytande mening kan fortfarande behöva korrigeras om den förändrar en faktisk detalj eller en instruktion.

Via Ailoot väljer du exakt detta modell-ID i /v1/chat/completions och anger uppgiften i messages. Varje meddelande innehåller en roll och sitt innehåll; håll den relevanta instruktionen och källmaterialet samlade. Samla in hela JSON-svaret eller alla SSE-segment när stream är aktiverat, och spara usage tillsammans med det skriftliga resultatet.