/ Модель

Характеристики

Контекст
1 024 токена
Архитектура
gpt2 · dense
Базовая модель
distilgpt2
Библиотека
transformers
Опубликована
3 янв 2025

DetectiveTales-DistilGPT2

Генерация текстаТекст → текст3 профессии

Дообученная на детективных историях DistilGPT2 генерирует англоязычные рассказы и сюжетные черновики по текстовой подсказке.

11скачиваний за 30 дней0лайковвеса обновлены3 янв 2025

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

kmack/DetectiveTales-DistilGPT2 — языковая модель, дообученная автором репозитория на базе distilbert/distilgpt2. Это причинная Transformer-модель GPT-2 для генерации детективных историй по начальному текстовому запросу, в том числе повествований в духе рассказов о Шерлоке Холмсе. Её можно применять для творческого письма и подготовки черновиков сюжетов.

Модель использует архитектуру GPT2LMHeadModel, формат весов safetensors и контекст до 1024 токенов. Базовая DistilGPT2 ориентирована на английский язык; карточка описывает обучение на детективных произведениях, но не приводит отдельной оценки качества или подробностей лицензии. Генерация может терять связность и фактическую последовательность на длинных фрагментах. Условия использования определяются лицензией базовой модели и репозитория.

Сценарии применения

  • создание черновика детективного рассказа по завязке
  • генерация повествования в духе историй о Шерлоке Холмсе
  • продолжение начатой детективной сцены
  • подбор сюжетных идей и развязок для детектива

Ограничения

Карточка не сообщает результаты оценки качества; как языковая модель, она может создавать несвязный текст или сюжетные несоответствия, особенно при длинной генерации. Лицензия репозитория в предоставленных данных не приведена.

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

Model Overview

This model is a fine-tuned version of DistilGPT2, specifically trained on detective stories, with a focus on generating narratives in the style of Sherlock Holmes. It is designed to generate coherent and engaging detective tales based on an initial prompt, making it suitable for applications in story generation, writing assistance, and creative content creation.


Model Details

  • Model Type: Causal Language Model
  • Architecture: Transformer
  • Base Model: DistilGPT2
  • Fine-tuning Task: Detective Story Generation
  • Training Data: A curated dataset of detective stories, with a focus on Sherlock Holmes-style narratives and other detective-themed works.
  • Training Objective: Language modeling (predicting the next word in a sequence given the previous words).

Usage

How to Use

You can use this model to generate detective stories based on an input prompt. Below is a simple code snippet to get started:

from transformers import AutoModelForCausalLM, AutoTokenizer

# Load the model and tokenizer
model_name = "kmack/DetectiveTales-DistilGPT2"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForCausalLM.from_pretrained(model_name)

# Define your prompt
prompt = "It all started with the murder of the chief. This is the type of case that Sherlock likes and gets off on"

# Tokenize the input
input_ids = tokenizer.encode(prompt, return_tensors="pt")

# Generate output
output = model.generate(
    input_ids, 
    max_length=100,  # Adjust the length as needed
    num_return_sequences=1,  # Number of generated outputs
    no_repeat_ngram_size=2,  # Avoid repeating phrases
    top_k=50,  # Use top-k sampling
    top_p=0.95,  # Use nucleus sampling
    temperature=0.7,  # Adjust creativity
    do_sample=True  # Enable sampling
)

# Decode and print the generated text
generated_text = tokenizer.decode(output[0], skip_special_tokens=True)
print(generated_text)

# Output:
# It all started with the murder of the chief. This is the type of case that Sherlock likes and gets off on. It only lasts a few days at last. He would say that Holmes's actions were not criminal. I assure you that if you knew his intentions and how he wasabout this,you probablywouldn't havehad him so far, Watson. Of course that is, then, but in any event, it isthe sort of case you know to follow closely. He is the one who has sent the letters from London to Madrid. He has sent every letter that I say, and if there are no objections you can take them out as you will. This is the type of cases where our Lady Watson will decide to get out of such a situation.We made a case for his protection,and he came out as the best possible one. We were all so ready so that he could not have waited for me to meet me again. The whole affairwas very unusual. It was a little dark on the night before. He gave me the order.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
GPT2LMHeadModel
Ревизия весов
09530d1

0 моделей