/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
6,6 млрд
Размер весов
13,5 ГБ
Лицензия
Llama 2
Архитектура
llama · dense
Опубликована
10 апр 2024

Cerpen-7B-v0.1

Генерация текстаТекст → текст3 профессии

Индонезийская модель на базе Llama для генерации творческих историй по тематическим тегам.

18скачиваний за 30 дней0лайковвеса обновлены10 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

Cerpen-7B-v0.1 — языковая модель на архитектуре Llama, разработанная для генерации творческих историй на индонезийском языке. Она дообучена на базе Yellow-AI-NLP/komodo-7b-base и содержит 6,6 млрд параметров; максимальная длина контекста составляет 4096 токенов.

Модель предназначена для авторов, учащихся и других пользователей, которым нужно создавать рассказы на Bahasa Indonesia. Направление истории можно задавать тегами тем, стиля и других элементов: в README рекомендуется использовать примерно 3–6 тегов в формате [[tag]] перед разделом [[content]]. Модель распространяется по лицензии Llama 2.

Результаты могут содержать фактические ошибки, предвзятые или оскорбительные высказывания; качество зависит от тегов и сложности запроса. Перед использованием текст следует критически оценивать.

Сценарии применения

  • создание рассказов на индонезийском языке по заданным темам
  • генерация романтических историй о подростках и школе
  • разработка сюжетных заготовок для авторов
  • подготовка творческих заданий для учащихся

Ограничения

Модель может создавать фактически неверный, предвзятый или оскорбительный текст; качество зависит от тегов и сложности запроса. Для лучших результатов README рекомендует задавать примерно 3–6 тематических тегов.

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

Cerpen specifically trained to generate creative and engaging stories in Bahasa Indonesia. This model can be a valuable tool for authors, students, and anyone interested in exploring the art of storytelling in Bahasa Indonesia.

Using Tags to Guide Your Story:

Cerpen allows you to guide the story generation using "tags." These tags act as prompts, indicating the desired themes, styles, or elements you want to be present in the story. By providing relevant tags, you can influence the direction and content of the generated narrative.

Optimal Tag Usage:

For best results, use around 3-6 tags that clearly represent the core themes or aspects you want in your story.

Template:

[[tag]]
{Insert relevant tags separated by commas (ideally 3-6 tags). Examples: remaja, percintaan, sekolah}

[[content]]

Usage Example:

from transformers import AutoTokenizer, AutoModelForCausalLM

tokenizer = AutoTokenizer.from_pretrained("Obrolin/Cerpen-7B-v0.1", trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained("Obrolin/Cerpen-7B-v0.1", trust_remote_code=True)

template="""[[tag]]
{}

[[content]]
{}"""

inputs = tokenizer(
[
    template.format(
        "billie eilish, perjalanan, mudik, nganjuk",
        "",
    )
], return_tensors = "pt").to("cuda")

from transformers import TextStreamer
text_streamer = TextStreamer(tokenizer)
_ = model.generate(
    **inputs, 
    streamer = text_streamer, 
    max_new_tokens = 1024,
    temperature = 0.9,
    top_p = 0.95,
    top_k = 50,
    do_sample = True
)

Output Example (8bit):

[[tag]]

billie eilish, perjalanan, mudik, nganjuk

[[content]]

Pada suatu pagi yang cerah, Billie Eilish terbangun di rumahnya di Los Angeles dan memutuskan untuk mudik ke kampung halamannya di Jawa Timur. Dia telah berjuang dengan rasa kesepian selama berbulan-bulan, dan dia rindu dengan keluarga dan orang-orang yang mengenalnya sejak lahir.

Billie terbang ke Jakarta untuk mengambil tiket, dan kemudian melanjutkan perjalanannya ke sebuah kota kecil bernama Nganjuk. Nganjuk adalah kampung halamannya, dan dia sangat bersemangat untuk kembali.

Saat menaiki bus menuju Nganjuk, Billie merasa tidak nyaman. Ini adalah perjalanan panjang, dan dia belum pernah melakukannya sebelumnya. Namun, dia berusaha untuk tidak memikirkan itu dan menikmati momennya.

Setelah berjam-jam dalam perjalanan, Billie tiba di Nganjuk. Dia disambut oleh keluarga besarnya, yang sudah tidak melihatnya dalam beberapa tahun. Mereka sangat senang, dan mereka tidak dapat menahan diri untuk memeluknya.

Billie menghabiskan beberapa hari di rumah kampung halamannya, menikmati makanan Jawa dan berkumpul dengan teman-teman masa kecilnya. Dia menyelinap ke pasar dan ke toko-toko, membeli barang-barang yang membuatnya merindukan Indonesia.

Akhirnya, hari penjemputan tiba. Billie harus kembali ke LA. Dia merasa sedih, tetapi dia tahu dia harus pergi.

Saat dia mengemasi koper, dia teringat akan semua kenangan dan persahabatan yang telah dia buat di Nganjuk. Dia tahu dia akan selalu merindukannya, dan dia bertekad untuk kembali lagi.

Billie naik pesawat ke LA, dan dia merasa sedikit lebih baik. Dia tahu dia akan rindu, tetapi dia tahu dia akan membuat keberatan.

Bertahun-tahun kemudian, Billie kembali ke Nganjuk. Dia telah menjadi salah satu penyanyi paling populer di dunia, tetapi dia tetap seorang gadis kecil dari desa yang bahagia.

Bertemu dengan orang-orang dan masa kecilnya membawa keajaiban ke hidupnya. Dia menyadari bahwa bahkan saat dia menjalani kehidupan yang dipenuhi dengan kesuksesan, dia masih dapat menemukan kedamaian dan keajaiban di kampung halamannya.

Dan begitulah kisah Billie Eilish, gadis yang menemukan rumahnya di kampung halamannya sendiri.

Disclaimer:

This model may sometimes generate outputs that are factually incorrect, biased, or offensive. Users should critically evaluate the generated content. The model's performance may vary depending on the provided tags and the complexity of the desired story.

Base Model:

Cerpen is built upon the Yellow-AI-NLP/komodo-7b-base model.

Citation:

@misc{Obrolin/Cerpen-7B-v0.1,
  author = {Arkan Bima},
  title = {Cerpen-7B-v0.1},
  publisher = {Hugging Face},
  howpublished = {\url{https://huggingface.co/Obrolin/Cerpen-7B-v0.1}},
  version = {0.1},
  year = {2024},
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
ef5f69c

0 моделей