Nederlands

De WMT Encoder-tool zet ingezonden tekst om in encoder-representaties die geschikt zijn voor onderzoek en beoordeling van automatische vertaling. Het ondersteunt meerdere transformer-gebaseerde varianten en subword-tokenisatie om stabiele, vaste embeddings te produceren die kunnen worden gebruikt voor scoring, gelijkenismetingen en feature-extractie in MT-pijplijnen. Conceptueel wordt de tekst genormaliseerd en getokeniseerd, vervolgens door de gekozen encoder geleid en gePoold tot een zin-embedding-vector. Gebruikers kunnen per-token embeddings aanvragen voor debugging van vertaalbeslissingen of aandachtstudies, of één vector verkrijgen voor downstream-taken. De outputs zijn taalonafhankelijk in uitvoering, maar hangen af van variant en tokenisatie. Unieke waarde ligt in configureerbare pooling-methoden, batchverwerking en optionele normalisatie, zodat onderzoekers encoder-configuraties met minimale opzet kunnen vergelijken. Kernfuncties omvatten mean-, max- en CLS-pooling, optionele per-token vectors en JSON-vriendelijke outputs die netjes integreerbaar zijn met evaluatiescripts. Toepassingen omvatten MT-modelvergelijking, embedding-gebaseerde similariteits-tests, kwaliteitschatting en docentdemonstraties van encoder-gedrag. De tool abstraheert model-hosting-details en biedt reproduceerbare representaties die overeenkomen met gangbare WMT-benchmarks. Praktische workflows: kies encoder_variant, selecteer pooling-methode en exporteer embeddings voor downstream scoring of visualisatie.