/ Модель

Характеристики

Контекст
2 048 токенов
Лицензия
MIT
Архитектура
gptj · dense

lit-6B

Генерация текстаТекст → текст3 профессии

Lit-6B — дообученная модель GPT-J для генерации художественной прозы с управлением жанром и стилем через аннотации в подсказке.

104скачиваний за 30 дней74лайкавеса обновлены8 ноя 2021

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

Lit-6B — авторегрессионная языковая модель GPT-J с 6 млрд параметров, дообученная hakurei на корпусе объёмом около 2 ГБ: лёгких новеллах, эротической прозе и размеченной литературе. Она генерирует художественный текст в форме, похожей на роман, и поддерживает подсказки с аннотациями жанра, стиля, автора и другими тегами.

Модель предназначена для развлекательной генерации прозы и помощи авторам художественных текстов. Её можно направлять к заданному жанру или стилю, комбинируя аннотации в промпте. Модель принимает текст и выдаёт продолжение текста; доступна в формате PyTorch, использует архитектуру GPT-J и имеет контекст 2048 токенов. В метаданных указан английский язык и лицензия MIT.

Обучающий корпус включает эротические материалы, поэтому модель может генерировать контент для взрослых. Карточка не сообщает о проверках качества или дополнительных ограничениях применения.

Сценарии применения

  • генерация продолжения художественного рассказа
  • создание прозы в заданном жанре
  • генерация текста в заданном стиле
  • подготовка черновиков художественных произведений

Ограничения

Модель дообучена на корпусе художественных текстов, включая эротику, и не предназначена для универсальных задач. Контекст ограничен 2048 токенами.

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

Lit-6B - A Large Fine-tuned Model For Fictional Storytelling

Lit-6B is a GPT-J 6B 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 GPT-J, which is a 6 billion parameter auto-regressive language model trained on The Pile.

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/lit-6B')
tokenizer = AutoTokenizer.from_pretrained('hakurei/lit-6B')

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

This project would not have been possible without the computational resources graciously provided by the TPU Research Cloud

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
GPTJForCausalLM
Ревизия весов
cc2e78a

0 моделей