metadata

title: ko-translation-leaderbaord
app_file: leaderboard.py
sdk: gradio
sdk_version: 3.50.2

Iris Translation

Welcome to Iris Translation, a project designed to evaluate Korean-to-English translation models. Our project provides a comprehensive framework for evaluating the Iris model that we have developed.

Models

번역 품질을 비교하기 위해 사용한 모델입니다. 모두 실행 가능하며 결과를 확인할 수 있습니다.

Installation

conda create -n translation python=3.10
conda activate translation

pip install -r requirements.txt

Usage

입력으로 주어지는 기본 파일은 ./data/komt-1810k-test.jsonl입니다. 다음은 데이터의 JSON 스키마 예시입니다.

{
    "conversations":[
        {
            "from":"human",
            "value":"다음 문장을 한글로 번역하세요.\nLet's make a graph here showing different levels of interest in activities."
        },
        {
            "from":"gpt",
            "value":"활동에 대한 다양한 수준의 관심을 보여주는 그래프를 만들어 보겠습니다."
        }
    ],
    "src":"aihub-MTPE"
}

translate(Bleu)

모델을 사용한 번역 결과와 실제 번역 결과를 비교하여 bleu score를 구합니다.

python translation.py --model davidkim205/iris-7b

결과 파일의 경로는 results_bleu/iris-7b-result.jsonl입니다.

JSON 스키마 예시

reference: 실제 정답 번역문
generation: 모델이 생성한 번역문

{
    "index":0,
    "reference":"활동에 대한 다양한 수준의 관심을 보여주는 그래프를 만들어 보겠습니다.",
    "generation":"여기서 활동에 대한 다양한 수준의 관심을 보여주는 그래프를 만들어 보겠습니다.",
    "bleu":0.917,
    "lang":"en",
    "model":"davidkim205/iris-7b",
    "src":"aihub-MTPE",
    "conversations":[
        {
            "from":"human",
            "value":"다음 문장을 한글로 번역하세요.\nLet's make a graph here showing different levels of interest in activities."
        },
        {
            "from":"gpt",
            "value":"활동에 대한 다양한 수준의 관심을 보여주는 그래프를 만들어 보겠습니다."
        }
    ]
}

translate_self(SBleu)

모델 번역 결과를 다시 번역하여 원문과의 bleu score를 비교합니다.

python translation_self.py --model davidkim205/iris-7b

결과 파일의 경로는 results_self/iris-7b-result.jsonl입니다.

JSON 스키마 예시

reference: 원문
generation: 모델 재번역 결과
generation1: 모델 번역문

{
    "index":0,
    "reference":"Let's make a graph here showing different levels of interest in activities.",
    "generation":"let's create a graph that shows different levels of interest in activities here",
    "generation1":"여기서 활동에 대한 다양한 수준의 관심을 보여주는 그래프를 만들어 보겠습니다.",
    "bleu":0.49,
    "lang":"en",
    "model":"davidkim205/iris-7b",
    "src":"aihub-MTPE",
    "conversations":[
        {
            "from":"human",
            "value":"다음 문장을 한글로 번역하세요.\nLet's make a graph here showing different levels of interest in activities."
        },
        {
            "from":"gpt",
            "value":"활동에 대한 다양한 수준의 관심을 보여주는 그래프를 만들어 보겠습니다."
        }
    ]
}

translate2(Bleu and SBleu)

translate와 translate_self를 모두 수행하여 bleu 및 sbleu를 모두 비교할 수 있습니다.

python translation2.py --model davidkim205/iris-7b

translate를 수행하여 results_bleu/iris-7b-result.jsonl에 저장
translate_self를 수행하여 results_self/iris-7b-result.jsonl에 저장

각 파일은 위에서 생성한 두 파일과 동일한 결과를 갖습니다.

Evaluation

두 가지 방식으로 번역 결과를 검증합니다.

실제 번역과 모델 번역을 비교하여 평가

python evaluate.py results_bleu/

output

bleu scores
result_bleu-nllb200.jsonl: 0.26, out_of_range_count=3, duplicate=1
result_bleu-madlad400.jsonl: 0.29, out_of_range_count=6, duplicate=3
result_bleu-TowerInstruct.jsonl: 0.32, out_of_range_count=9, duplicate=1
result_bleu-gugugo.jsonl: 0.32, out_of_range_count=3, duplicate=1
result_bleu-Synatra-7B-v0.3-Translation.jsonl: 0.35, out_of_range_count=2, duplicate=1
result_bleu-deepl.jsonl: 0.39, out_of_range_count=1, duplicate=0
result_bleu-azure.jsonl: 0.40, out_of_range_count=2, duplicate=0
result_bleu-google.jsonl: 0.40, out_of_range_count=3, duplicate=0
result_bleu-papago.jsonl: 0.43, out_of_range_count=3, duplicate=0
result_bleu-iris_7b.jsonl: 0.40, out_of_range_count=3, duplicate=0

원문을 2번 번역(영->한->영)한 결과와 비교하여 평가

python evaluate.py results_self/

output

bleu scores
result_self-nllb200.jsonl: 0.30, out_of_range_count=1, duplicate=1
result_self-gugugo.jsonl: 0.36, out_of_range_count=1, duplicate=1
result_self-madlad400.jsonl: 0.38, out_of_range_count=3, duplicate=2
result_self-TowerInstruct.jsonl: 0.39, out_of_range_count=3, duplicate=0
result_self-Synatra-7B-v0.3-Translation.jsonl: 0.41, out_of_range_count=2, duplicate=1
result_self-deepl.jsonl: 0.45, out_of_range_count=0, duplicate=0
result_self-papago.jsonl: 0.49, out_of_range_count=0, duplicate=0
result_self-azure.jsonl: 0.49, out_of_range_count=0, duplicate=1
result_self-google.jsonl: 0.49, out_of_range_count=0, duplicate=0
result_self-papago.jsonl: 0.51, out_of_range_count=0, duplicate=0
result_self-iris_7b.jsonl: 0.43, out_of_range_count=1, duplicate=0

평가 요소

BLEU: 실제 번역과 모델 번역의 bleu score 평균
SBLEU: 원문과 재번역의 bleu score 평균
Duplicate: 번역 시 중복된 텍스트를 생성하는 경우
Length Exceeds: 모델 번역과 실제 번역 길이의 불일치(0.2 < length < 2 기준)

BLEU

각 모델별로 평가한 결과입니다. iris-7b 모델의 평가는 아래와 같습니다.

모든 평가에서 기존 모델들보다 높은 번역 성능
평균적으로 클라우드 번역과 동일한 번역 성능
중복 문장 생성 및 길이 초과 문제는 클라우드 번역과 동일한 수준

Duplicate(중복 문장 생성)와 Length Exceeds(길이 초과)는 translation(bleu)의 지표입니다.

TYPE	Model	BLEU	SBLEU	Duplicate	Length Exceeds
HuggingFace	facebook/nllb-200-distilled-1.3B	0.26	0.30	1	3
HuggingFace	jbochi/madlad400-10b-mt	0.29	0.38	3	6
HuggingFace	Unbabel/TowerInstruct-7B-v0.1	0.32	0.39	1	9
HuggingFace	squarelike/Gugugo-koen-7B-V1.1	0.32	0.36	1	3
HuggingFace	maywell/Synatra-7B-v0.3-Translation	0.35	0.41	1	2
Cloud	deepl	0.39	0.45	0	1
Cloud	azure	0.40	0.49	0	3
Cloud	google	0.40	0.49	0	2
Cloud	papago	0.43	0.51	0	3
HuggingFace	davidkim205/iris-7b (ours)	0.40	0.43	0	3

SBLEU: Self-evaluation BLEU

BLEU by source

분야별로 테스트 데이터셋 번역 품질을 평가한 결과입니다. iris-7b 모델의 평가는 아래와 같습니다.

모든 분야에서 기존 번역모델을 압도하는 성능
많은 분야에서 클라우드 번역과 비슷하거나, 더 나은 성능
과학 분야, 신조어 분야의 번역 품질이 매우 우수

Type	Model	Average	MTPE	techsci2	expertise	humanities	sharegpt-deepl-ko-translation	MT-new-corpus	socialsci	korean-parallel-corpora	parallel-translation	food	techsci	para_pat	speechtype-based-machine-translation	koopus100	basicsci	broadcast-content	patent	colloquial
HuggingFace	facebook/nllb-200-distilled-1.3B	0.26	0.44	0.28	0.16	0.23	0.44	0.34	0.27	0.10	0.23	0.37	0.28	0.19	0.29	0.23	0.15	0.33	0.09	0.29
HuggingFace	jbochi/madlad400-10b-mt	0.29	0.45	0.29	0.20	0.29	0.40	0.36	0.39	0.12	0.22	0.46	0.30	0.23	0.48	0.23	0.19	0.36	0.01	0.33
HuggingFace	Unbabel/TowerInstruct-7B-v0.1	0.32	0.46	0.33	0.28	0.27	0.30	0.39	0.37	0.14	0.35	0.47	0.39	0.29	0.41	0.21	0.22	0.36	0.15	0.33
HuggingFace	squarelike/Gugugo-koen-7B-V1.1	0.32	0.46	0.27	0.28	0.22	0.66	0.33	0.36	0.10	0.29	0.45	0.34	0.24	0.42	0.22	0.23	0.42	0.20	0.26
HuggingFace	maywell/Synatra-7B-v0.3-Translation	0.35	0.43	0.36	0.27	0.23	0.70	0.37	0.31	0.13	0.34	0.52	0.35	0.29	0.44	0.21	0.24	0.46	0.28	0.37
Cloud	deepl	0.39	0.59	0.33	0.31	0.32	0.70	0.48	0.38	0.14	0.38	0.55	0.41	0.33	0.48	0.24	0.28	0.42	0.37	0.36
Cloud	azure	0.40	0.57	0.36	0.35	0.29	0.63	0.46	0.39	0.16	0.38	0.56	0.39	0.33	0.54	0.22	0.29	0.52	0.35	0.41
Cloud	google	0.40	0.62	0.39	0.32	0.32	0.60	0.45	0.45	0.14	0.38	0.59	0.43	0.34	0.45	0.22	0.28	0.47	0.39	0.36
Cloud	papago	0.43	0.56	0.43	0.41	0.30	0.55	0.58	0.56	0.16	0.37	0.67	0.52	0.35	0.53	0.21	0.35	0.45	0.37	0.46
HuggingFace	davidkim205/iris-7b (ours)	0.40	0.49	0.37	0.34	0.31	0.72	0.48	0.43	0.11	0.33	0.56	0.46	0.34	0.43	0.20	0.30	0.47	0.41	0.40

BLEU by sentence length

텍스트의 길이에 따라 4구간으로 데이터를 50개씩 샘플링하여 번역한 평균 점수입니다. 평가에 사용된 데이터셋은 다음과 같습니다.

data/komt-dataset-100.jsonl
data/komt-dataset-500.jsonl
data/komt-dataset-1000.jsonl
data/komt-dataset-1500.jsonl

번역 및 bleu score 결과는 results_length/아래에 저장되어 있습니다.

놀랍게도, iris-7b 모델은 모든 구간에서 대부분의 클라우드 번역보다 높은 성능을 보입니다.

~100: (0, 100]
~500: (100, 500]
~1000: (500, 1000]
~1500: (1000, 1500]

Type	Model	Average	~100(50)	~500(50)	~1000(50)	~1500(50)
HuggingFace	facebook/nllb-200-distilled-1.3B	0.24	0.31	0.31	0.22	0.13
HuggingFace	jbochi/madlad400-10b-mt	0.22	0.35	0.37	0.08	0.10
HuggingFace	Unbabel/TowerInstruct-7B-v0.1	0.32	0.41	0.31	0.24	0.32
HuggingFace	squarelike/Gugugo-koen-7B-V1.1	0.45	0.37	0.48	0.52	0.43
HuggingFace	maywell/Synatra-7B-v0.3-Translation	0.50	0.41	0.57	0.57	0.51
Cloud	deepl	0.53	0.44	0.56	0.64	0.50
Cloud	azure	0.47	0.46	0.47	0.52	0.44
Cloud	google	0.51	0.50	0.49	0.54	0.51
Cloud	papago	0.46	0.50	0.46	0.43	0.45
HuggingFace	davidkim205/iris-7b (ours)	0.56	0.51	0.58	0.62	0.54

test dataset info

테스트 데이터셋은 18가지 분야의 데이터 10개로, 총 180개로 이루어져 있습니다.

koopus100 데이터셋은 길이가 짧고 원문과 번역문이 일치하지 않는 데이터가 존재하여 품질이 낮습니다.

text: All right
translation: 별로 그럴 기분 아니야 - I'm not in the mood.

text: Do you have a fever?
translation: 뭐라고 했어?

korean-parallel-corpora 데이터셋은 번역문에 한영이 혼용되거나, 잘못 번역되어 품질이 낮습니다.

text: S. Korea mulls missile defense system 한국, 자체적 미사일 방어체계 수립 검토     2007.03
translation: South Korea maintains a mandatory draft system under which all able-bodied men over 20 must serve in the military for 24 to 27 months.

text: A United States intelligence agency has been collecting data on the phone calls of tens of millions of Americans, a report in USA Today has alleged.
translation: NSA collects Americans’phone clall data미 국가안보국, 미국민 통화 내용 수집2006.07

text: I see the guy as more like John Wayne, which is to say I don't like his politics but he's endearing in a strange, goofy, awkward way, and he did capture the imagination of the country,\" he said.
translation: 베트남전에 참전했던 스톤 감독은 비판적으로 호평을 받고 정치적인 성향이 많은 영화를 제작한 것으로 유명하다.

text: The Sahara is advancing into Ghana and Nigeria at the rate of 3,510 square kilometers per year.
translation: 카자흐스탄 또한 사막화로 인해 1980년 이후 농경지의 50%가 사라졌으며 사하라 사막은 매년 3510㎢씩 커져가며 가나와 나이지리아를 위협하고 있다.

아래 표에는 각 src의 비율과 개수, 설명이 정리되어 있습니다.

src	ratio	description
aihub-MTPE	5.56%	기계번역 품질 사후검증 데이터셋
aihub-techsci2	5.56%	ICT, 전기/전자 등 기술과학 분야 한영 번역 데이터셋
aihub-expertise	5.56%	의료, 금융, 스포츠 등 전문분야 한영 번역 데이터셋
aihub-humanities	5.56%	인문학 분야 한영 번역 데이터셋
sharegpt-deepl-ko-translation	5.56%	shareGPT 데이터셋을 질답 형식에서 한영 번역 형식으로 변환한 데이터셋
aihub-MT-new-corpus	5.56%	기계 번역 앱 구축용 한영 번역 데이터셋
aihub-socialsci	5.56%	법률, 교육, 경제 등 사회과학 분야 한영 번역 데이터셋
korean-parallel-corpora	5.56%	한영 번역 병렬 데이터셋
aihub-parallel-translation	5.56%	발화 유형 및 분야별 한영 번역 데이터셋
aihub-food	5.56%	식품 분야 영한 번역 데이터셋
aihub-techsci	5.56%	ICT, 전기/전자 등 기술과학 분야 한영 번역 데이터셋
para_pat	5.56%	ParaPat 데이터셋의 영어-한국어 subset
aihub-speechtype-based-machine-translation	5.56%	발화 유형별 영한 번역 데이터셋
koopus100	5.56%	OPUS-100 데이터셋의 영어-한국어 subset
aihub-basicsci	5.56%	수학, 물리학 등 기초과학 분야 한영 번역 데이터셋
aihub-broadcast-content	5.56%	방송 콘텐츠 분야 한영 번역 데이터셋
aihub-patent	5.56%	특허명세서 영한 번역 데이터셋
aihub-colloquial	5.56%	신조어, 약어 등을 포함하는 구어체 한영 번역 데이터셋