сверхбыстрый теггер сущностей для машинного перевода
schedule 2 мин чтенияобновлено
nkrane-mt-marker-en — компактная модель классификации токенов (пословной разметки текста) от команды GhanaOpenAI, которая за считаные миллисекунды находит в английском тексте конкретные именные группы, организации, составные титулы и даты, оборачивая их в угловые скобки <...>. Она создана на базе distilbert-base-uncased (66 млн параметров) как компонент пайплайна машинного перевода Nkrane-MT, чтобы модели перевода могли напрямую переносить сложные термины и названия без искажений, оставляя свободным перевод абстрактных понятий. Пригодится разработчикам систем машинного перевода, NLP-пайплайнов и инструментов предобработки английского текста.
Ключевые особенности
Высокая скорость работы: задержка инференса составляет менее 5 мс на запрос.
Избирательная разметка: выделяет конкретные объекты, организации и титулы метками B-PRESERVE и I-PRESERVE, но не трогает абстрактные слова вроде information, peace или justice.
Компактная архитектура: построена на лёгкой distilbert-base-uncased (66M параметров) и обучена на 763 594 парах предложений.
Что можно сделать
Автоматизировать предобработку перед переводом: встроить в пайплайн Nkrane-MT или аналогичный seq2seq-переводчик, чтобы защитить имена собственные и составные термины от некорректного перевода без ручной разметки.
Извлекать структурированные фразы из английских текстов: использовать метод mark() из библиотеки nkrane_mt для быстрого получения списка конкретных именных групп из сырого текста.
Пример
from nkrane_mt.marker import NounPhraseMarker
marker = NounPhraseMarker(method="model", model_name_or_path="ghanaopenai/nkrane-mt-marker-en")
raw_text = "The president of Ghana visited the Ministry of Finance in May 2026."
marked_text, phrases = marker.mark(raw_text)
print(marked_text) # The visited the in .
ПодробнееМетрики: F1 Score — 0.8139, Token Accuracy — 94.70%, Precision — 80.85%, Recall — 81.93%. Скорость инференса: менее 5 мс. Обучение: 763 594 пары из датасета nkrane-mt-parallel-corpus-eng-twi, оптимизатор AdamW (lr=3e-5, cosine schedule, 500 шагов warmup), одна видеокарта NVIDIA H200 (140 GB VRAM) в bfloat16. Ограничение: работает только с английским входным текстом (distilbert-base-uncased, без учёта регистра).
Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.
Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.
HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.
# ghanaopenai/nkrane-mt-marker-en — A30, FP8 / INT8
# Драйвер NVIDIA: для CUDA 13 нужен 580+. Если старее или нет — ставится свежий nvidia-open (оставить свой: KEEP_DRIVER=1)
DRV=$(nvidia-smi --query-gpu=driver_version --format=csv,noheader 2>/dev/null | head -1 | cut -d. -f1)
case "$DRV" in ""|*[!0-9]*) DRV=0 ;; esac
if [ "$DRV" -lt 580 ] && [ -z "${KEEP_DRIVER:-}" ]; then
. /etc/os-release && \
curl -fsSLO "https://developer.download.nvidia.com/compute/cuda/repos/ubuntu${VERSION_ID//./}/x86_64/cuda-keyring_1.1-1_all.deb" && \
sudo dpkg -i cuda-keyring_1.1-1_all.deb && rm -f cuda-keyring_1.1-1_all.deb && \
sudo apt-get update && \
sudo DEBIAN_FRONTEND=noninteractive apt-get install -y nvidia-open || \
{ echo "Драйвер NVIDIA поставить не удалось: смотрите ошибку выше. Чтобы оставить текущий, запустите с KEEP_DRIVER=1."; exit 1; }
echo "Драйвер NVIDIA обновлён. Перезагрузите машину (sudo reboot) и запустите этот же скрипт ещё раз."
exit 0
fi
curl -LsSf https://astral.sh/uv/install.sh | sh
source "$HOME/.local/bin/env"
uv venv ~/vllm --python 3.12 && source ~/vllm/bin/activate
uv pip install vllm
vllm serve ghanaopenai/nkrane-mt-marker-en --max-model-len 8192 --quantization fp8
Сервер слушает порт 8000 и понимает запросы в формате OpenAI: адрес http://localhost:8000/v1 на машине. Со своего компьютера: ssh -L 8000:localhost:8000 пользователь@IP-машины.
Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.
Как ускорить
Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.
Комментарии