/ Модель

Характеристики

Контекст
16 384 токена
Параметры
8,8 млрд
Размер весов
28,5 ГБ
Лицензия
MIT
Архитектура
gpt_neox · dense
Опубликована
1 июн 2023

Literature-7B-16384

Генерация текстаТекст → текст3 профессии

Дообученная GPT-NeoX для генерации длинной художественной прозы с управлением жанром и стилем через текстовые подсказки.

88скачиваний за 30 дней16лайковвеса обновлены2 июн 2023

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

Literature-7B-16384 — авторегрессионная языковая модель GPT-NeoX примерно на 8,8 млрд параметров, дообученная на RedPajama-7B-16384. Её разработали для генерации художественной прозы, включая длинные вымышленные рассказы. Обучающая выборка объёмом около 2 ГБ включает лёгкие новеллы, эротическую прозу и размеченную литературу из разных источников, в том числе Project Gutenberg.

Модель предназначена для творческого письма и развлечения. Подсказки с метаданными о названии, авторе, жанре, тегах и стиле помогают направлять генерацию; заявленное контекстное окно — 16 384 токена. В метаданных указаны английский язык и формат PyTorch. Модель распространяется по лицензии MIT. Карточка не приводит оценок качества или подробных ограничений; результаты генерации могут требовать редактирования и проверки.

Сценарии применения

  • написание черновика художественного рассказа
  • генерация длинной вымышленной прозы
  • создание рассказа в заданном жанре или стиле
  • продолжение литературного фрагмента
  • творческие эксперименты с аннотированными подсказками

Ограничения

Обучающие данные включают эротическую прозу, а значит, генерация может содержать взрослый контент. Карточка не приводит количественных оценок качества; результаты требуют проверки и редакторской доработки.

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

Literature-7B-16384 - A Large Fine-tuned Model For Lengthy Fictional Storytelling

Literature-7B-16384 is a GPT-NeoX 7B model fine-tuned on 2GB of a diverse range of light novels, erotica, and annotated literature for the purpose of generating novel-like fictional text.

Model Description

The model used for fine-tuning is RedPajama-7B-16384, which is a 7 billion parameter auto-regressive language model finetuned with a 16384 token context window.

Training Data & Annotative Prompting

The data used in fine-tuning has been gathered from various sources such as the Gutenberg Project. The annotated fiction dataset has prepended tags to assist in generating towards a particular style. Here is an example prompt that shows how to use the annotations.

[ Title: The Dunwich Horror; Author: H. P. Lovecraft; Genre: Horror; Tags: 3rdperson, scary; Style: Dark ]
***
When a traveler in north central Massachusetts takes the wrong fork...

The annotations can be mixed and matched to help generate towards a specific style.

Downstream Uses

This model can be used for entertainment purposes and as a creative writing assistant for fiction writers.

Example Code

from transformers import AutoTokenizer, AutoModelForCausalLM

model = AutoModelForCausalLM.from_pretrained('hakurei/Literature-7B-16384')
tokenizer = AutoTokenizer.from_pretrained('hakurei/Literature-7B-16384')

prompt = '''[ Title: The Dunwich Horror; Author: H. P. Lovecraft; Genre: Horror ]
***
When a traveler'''

input_ids = tokenizer.encode(prompt, return_tensors='pt')
output = model.generate(input_ids, do_sample=True, temperature=1.0, top_p=0.9, repetition_penalty=1.2, max_length=len(input_ids[0])+100, pad_token_id=tokenizer.eos_token_id)

generated_text = tokenizer.decode(output[0])
print(generated_text)

An example output from this code produces a result that will look similar to:

[ Title: The Dunwich Horror; Author: H. P. Lovecraft; Genre: Horror ]
***
When a traveler comes to an unknown region, his thoughts turn inevitably towards the old gods and legends which cluster around its appearance. It is not that he believes in them or suspects their reality—but merely because they are present somewhere else in creation just as truly as himself, and so belong of necessity in any landscape whose features cannot be altogether strange to him. Moreover, man has been prone from ancient times to brood over those things most connected with the places where he dwells. Thus the Olympian deities who ruled Hyper

Team members and Acknowledgements

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
GPTNeoXForCausalLM
Ревизия весов
49bdb53

0 моделей