/ Модель

Характеристики

Контекст
8 192 токена
Параметры
7,1 млрд
Размер весов
14,5 ГБ
Лицензия
CC BY-NC 4.0
Архитектура
mistral · dense
Опубликована
22 апр 2024

SniffyOtter-7B

Генерация текстаТекст → текст3 профессии

Японская модель на базе Mistral для генерации эротических романов с сохранением заданной темы и контекста.

33скачиваний за 30 дней8лайковвеса обновлены22 апр 2024

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

SniffyOtter-7B — японская языковая модель, представленная в репозитории Elizezen и настроенная на генерацию эротических романов. Она предназначена для создания художественного текста с сохранением темы и контекста; автор отмечает, что для других задач модель может подходить хуже. В README приведены сравнительные результаты авторского тестирования, однако описание метрик указывает на возможную предвзятость, а детали теста раскрыты не полностью.

Модель построена на плотной архитектуре MistralForCausalLM и содержит 7,1 млрд параметров. Она принимает и генерирует текст на японском языке, поддерживает контекст до 8192 токенов и распространяется в формате safetensors. Лицензия CC BY-NC 4.0 разрешает использование с указанием авторства, но запрещает коммерческое применение.

Сценарии применения

  • написание эротических рассказов на японском языке
  • продолжение японского эротического романа по заданному фрагменту
  • создание художественных сцен с заданными темой и персонажами

Ограничения

Модель специализирована на эротическом контенте и может хуже справляться с другими задачами. Приведённые в README результаты основаны на авторском тесте с нераскрытыми деталями и могут быть предвзятыми.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

SniffyOtter-7B

Description

This repository hosts SniffyOtter-7B, an advanced Japanese language model specifically trained for generating erotic novels. SniffyOtter is designed to excel in creating engaging and captivating erotic content while maintaining context and complexity in its responses.

In extensive testing and benchmarks, SniffyOtter has proven to be an exceptionally strong model. It builds upon the strengths of its predecessor models while adding enhanced intelligence and a focus on eroticism. Please note that SniffyOtter is tailored for erotic content generation and may not perform optimally on other tasks.

Benchmark Results

Modelaverageeroticismcomplexitycontextual maintenance
Antler-RP-ja-westlake-chatvector49.175.547.194.9
SniffyOtter-7B48.805.746.294.5
Sabbath-2x7B*48.104.845.893.7
Antler-7B47.625.2545.392.3
Nocturn-7B47.255.1544.791.9
Sapphire-7B46.904.943.592.3
LightChatAssistant-2x7B*46.434.243.192.0
japanese-stablelm-instruct-gamma-7b46.022.8544.390.9
chatntq-ja-7b-v1.045.122.5541.491.4
Calm2-7B-Chat45.073.440.291.6

*tested in 8bit version because of lack of GPU memory

Benchmark Metrics:

  • Eroticism: Measures the frequency of erotic words in the generated text. Calculated using a predefined set of words considered erotic.
  • Complexity: Evaluates the model's ability to produce non-repetitive responses. Higher scores indicate more diverse and less repetitive text, calculated using zlib.compress, which I find effective at detecting significantly repetitive texts.
  • Context Maintenance: Assesses how well the model maintains the given topic. Responses that stray from the context result in lower scores. Calculated using japanese-reranker-cross-encoder-large-v1 to measure relevance between the input and the generated response.

The benchmark is a refined version of what I used in Sapphire7B. While it provides some insights, it is important to consider that the specific set of erotic words and the undisclosed details of the benchmark may introduce biases. Therefore, it is recommended to take this result with a grain of salt for now.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
MistralForCausalLM
Ревизия весов
58ac85c

0 моделей