Dansk

WMT Encoder-værktøjet konverterer indtastet tekst til encoder-repræsentationer, der egner sig til forskning og evaluering af maskinoversættelse. Det understøtter flere transformer-baserede varianter og subword-tokenisering for at producere stabile, faste embeddings, der kan bruges i vurdering, lighedsberegning og feature-udtræk i MT-pipelines. Konceptuelt normaliseres og tokeniseres teksten, forløber gennem den valgte encoder og pooles til en sætningsembedding-vektor. Brugere kan anmode om per-token-embeddings til debugging af oversættelsesbeslutninger eller opmærksomhedsstudier, eller få et enkelt vektor til downstream-opgaver. Output er sprogunabhængigt i funktion, men afhænger af variant og tokenisering. Den unikke værdi ligger i konfigurerbare pooling-metoder, batch-behandling og valgfri normalisering, så forskere kan sammenligne encoder-konfigurationer med minimal opsætning. Kernelaattributter inkluderer mean-, max- og CLS-pooling, valgfri per-token-vektorer og JSON-venlige outputs, der nemt kan integreres i evalueringsscripts. Anvendelsesområder inkluderer MT-model-sammenligning, embedding-baserede ligheds-test, kvalitetsestimering og demonstrationer af encoder-adfærd. Værktøjet skjuler modellens hosting-detajler men giver reproducerbare repræsentationer, der følger gængse WMT-benchmarks. Praktiske arbejdsgange: vælg encoder_variant, vælg pooling-metode og eksporter embeddings til downstream scoring eller visualisering.