kwoncho/Llama-3.2-3B-KO-EN-Translation

Model Card for Model ID

한국어/영어 번역용으로 훈련한 모형입니다. llama3.2의 경우 한국어-영어 번역에 오류가 잦아 별도로 훈련시켰습니다. 성능향상을 위해 추가훈련을 진행했습니다.

아래 사항에 주의해 주세요:

• 이 모델은 문장단위 번역으로 훈련시켰습니다. 따라서 긴 텍스트의 경우 번역에 오류가 있을 수 있습니다. 또한 인풋 텍스트에 줄바꿈이 있을 경우 결과물을 추출하는데 복잡해질 수 있습니다.

• 이 모델의 주 용도는 금융/경영 관련으로 상정하고 훈련했습니다.

• 총 47만여개의 금융 관련 문장 페어를 사용하여 훈련하였습니다. 추가로 약 50여만개의 일반 문장을 사용하였습니다.

• 이하 모델카드는 시간이 나는대로 추가하겠습니다.

• 주의할 몇몇 점

  • 숫자 등을 마음대로 생성하는 경우가 있어, "퍼센트, 금액, 숫자는 본문의 숫자를 그대로 사용하세요."" 등의 프롬프트를 추가하는 등을 고려해 주시기 바랍니다.
  • 영한 번역은 성능이 상당히 부족합니다.

• 사용에 있어, 아래 코드를 참고해주세요:

  from transformers import AutoModelForCausalLM, AutoTokenizer
  import torch
  model_path = "kwoncho/Llama-3.2-3B-KO-EN-Translation"
  model = AutoModelForCausalLM.from_pretrained(
      model_path,
      torch_dtype=torch.bfloat16,
      device_map="cuda:0",
      )
  tokenizer = AutoTokenizer.from_pretrained(model_path)
  

• 한국어 -> 영어의 경우

  test_input = "삼성생명이 프랑스의 인프라 투자 전문 운용사의 2대 주주로 올랐다."
  prompt = f"""
    ### Instruction:
    주어진 텍스트를 영어로 번역하세요.
    ### Input:
    {test_input}
    ### Output:
    """
  

• 영어 -> 한국어의 경우

  test_input = """Retailers were “incentivising via discounts and different forms of promotions” for those at the lower end of the income spectrum while also “trying to grab higher-income individuals to make purchases during this wider window”, he said."""
  prompt = f"""
    ### Instruction:
    주어진 텍스트를 한국어로 번역하세요.
    ### Input:
    {test_input}
    ### Output:
    """
  

input_ids = tokenizer.encode(prompt, return_tensors="pt").to(model.device)
output = model.generate(
    input_ids,
    max_new_tokens=200,
    temperature=0.1,
    top_p=1,
    repetition_penalty=1.3,
    do_sample=True,
    eos_token_id=tokenizer.eos_token_id
    )
generated_text = tokenizer.decode(output[0], skip_special_tokens=True)
outputs        = generated_text.split("Output:")[1].strip().split('\n')[0].strip()
print(outputs) ### 한영 번역의 경우
"Samsung Life Insurance has become the second-largest shareholder of a French infrastructure investment management company."

print(outputs) ### 영한 번역의 경우
"그는 "소매상들은 소득 하위층을 대상으로 할부, 할인 등 다양한 형태의 인센티브를 제공하면서도 상위 계층의 고객들을 끌어모으려 하고 있다"고 말했다."

Model Details

Model Description

This is the model card of a 🤗 transformers model that has been pushed on the Hub. This model card has been automatically generated.

• Developed by: Hyunkwon Cho (Kwon Cho)
• Funded by [optional]: [More Information Needed]
• Shared by [optional]: [More Information Needed]
• Model type: [More Information Needed]
• Language(s) (NLP): [More Information Needed]
• License: [More Information Needed]
• Finetuned from model [optional]: [More Information Needed]

Model Sources [optional]

• Repository: [More Information Needed]
• Paper [optional]: [More Information Needed]
• Demo [optional]: [More Information Needed]

Uses

Direct Use

[More Information Needed]

Downstream Use [optional]

[More Information Needed]

Out-of-Scope Use

[More Information Needed]

Bias, Risks, and Limitations

[More Information Needed]

Recommendations

Users (both direct and downstream) should be made aware of the risks, biases and limitations of the model. More information needed for further recommendations.

How to Get Started with the Model

Use the code below to get started with the model.

[More Information Needed]

Training Details

Training Data

[More Information Needed]

Training Procedure

Preprocessing [optional]

[More Information Needed]

Training Hyperparameters

• Training regime: [More Information Needed]

Speeds, Sizes, Times [optional]

[More Information Needed]

Evaluation

Testing Data, Factors & Metrics

Testing Data

[More Information Needed]

Factors

[More Information Needed]

Metrics

[More Information Needed]

Results

[More Information Needed]

Summary

Model Examination [optional]

[More Information Needed]

Environmental Impact

Carbon emissions can be estimated using the Machine Learning Impact calculator presented in Lacoste et al. (2019).

• Hardware Type: [More Information Needed]
• Hours used: [More Information Needed]
• Cloud Provider: [More Information Needed]
• Compute Region: [More Information Needed]
• Carbon Emitted: [More Information Needed]

Technical Specifications [optional]

Model Architecture and Objective

[More Information Needed]

Compute Infrastructure

[More Information Needed]

Hardware

[More Information Needed]

Software

[More Information Needed]

Citation [optional]

BibTeX:

[More Information Needed]

APA:

[More Information Needed]

Glossary [optional]

[More Information Needed]

More Information [optional]

[More Information Needed]

Model Card Authors [optional]

[More Information Needed]

Model Card Contact

[More Information Needed]