/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Размер весов
15,2 ГБ
Лицензия
Apache 2.0
Архитектура
qwen2 · dense
Базовая модель
Qwen2.5-7B-Instruct
Библиотека
transformers
Опубликована
12 окт 2024

chinese-text-correction-7b

Генерация текстаТекст → текст3 профессии

Дообученная на китайских примерах модель Qwen2.5 для исправления орфографических и грамматических ошибок в тексте.

87скачиваний за 30 дней20лайковвеса обновлены14 окт 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

shibing624 разработал chinese-text-correction-7b — китайскую языковую модель для исправления орфографических, грамматических и других ошибок в тексте. Она основана на Qwen2.5-7B-Instruct и дообучена на наборе данных shibing624/chinese_text_correction. Модель использует плотную архитектуру Qwen2 и содержит 7,1 млрд параметров; для запуска доступны веса в формате safetensors, библиотека Transformers и контекст до 32 768 токенов.

Модель предназначена для автоматической коррекции китайских текстов, включая ошибки, требующие вставки или удаления символов, а также ошибки с сохранением длины текста. В README приведён пример исправления фразы с орфографическими ошибками и результаты оценки на наборах CSC и CTC. Для применения требуются вычислительные ресурсы: в карточке приведён тест на GPU Tesla V100 с 32 ГБ памяти. Лицензия — Apache-2.0.

Сценарии применения

  • исправление китайских опечаток
  • проверка китайской грамматики
  • корректура китайских пользовательских сообщений
  • исправление пропущенных символов в китайском тексте
  • исправление лишних символов в китайском тексте

Ограничения

Для запуска может потребоваться GPU с большим объёмом памяти: README приводит оценку на Tesla V100 с 32 ГБ. Оценки в карточке относятся к указанным тестовым наборам и сами по себе не гарантируют качество на других типах китайских текстов.

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

Chinese Text Correction Model

中文文本纠错模型chinese-text-correction-7b:用于拼写纠错、语法纠错

shibing624/chinese-text-correction-7b evaluate test data:

The overall performance of CSC test:

input_textpredict_text
文本纠错:\n少先队员因该为老人让坐。少先队员应该为老人让座。

Models

NameBase ModelDownload
chinese-text-correction-1.5bQwen/Qwen2.5-1.5B-Instruct🤗 Hugging Face
chinese-text-correction-1.5b-loraQwen/Qwen2.5-1.5B-Instruct🤗 Hugging Face
chinese-text-correction-7bQwen/Qwen2.5-7B-Instruct🤗 Hugging Face
chinese-text-correction-7b-loraQwen/Qwen2.5-7B-Instruct🤗 Hugging Face

评估结果

  • 评估指标:F1
  • CSC(Chinese Spelling Correction): 拼写纠错模型,表示模型可以处理音似、形似、语法等长度对齐的错误纠正
  • CTC(CHinese Text Correction): 文本纠错模型,表示模型支持拼写、语法等长度对齐的错误纠正,还可以处理多字、少字等长度不对齐的错误纠正
  • GPU:Tesla V100,显存 32 GB
Model NameModel LinkBase ModelAvgSIGHAN-2015EC-LAWMCSCGPU/CPUQPS
Kenlm-CSCshibing624/chinese-kenlm-klmkenlm0.34090.31470.37630.3317CPU9
Mengzi-T5-CSCshibing624/mengzi-t5-base-chinese-correctionmengzi-t5-base0.39840.77580.31560.1039GPU214
ERNIE-CSCPaddleNLP/ernie-cscPaddlePaddle/ernie-1.0-base-zh0.43530.83830.33570.1318GPU114
MacBERT-CSCshibing624/macbert4csc-base-chinesehfl/chinese-macbert-base0.39930.83140.16100.2055GPU224
ChatGLM3-6B-CSCshibing624/chatglm3-6b-csc-chinese-loraTHUDM/chatglm3-6b0.45380.65720.43690.2672GPU3
Qwen2.5-1.5B-CTCshibing624/chinese-text-correction-1.5bQwen/Qwen2.5-1.5B-Instruct0.68020.30320.78460.9529GPU6
Qwen2.5-7B-CTCshibing624/chinese-text-correction-7bQwen/Qwen2.5-7B-Instruct0.82250.49170.97980.9959GPU3

Usage (pycorrector)

本项目开源在pycorrector项目:pycorrector,可支持大模型微调后用于文本纠错,通过如下命令调用:

Install package:

pip install -U pycorrector
from pycorrector.gpt.gpt_corrector import GptCorrector

if __name__ == '__main__':
    error_sentences = [
        '真麻烦你了。希望你们好好的跳无',
        '少先队员因该为老人让坐',
        '机七学习是人工智能领遇最能体现智能的一个分知',
        '一只小鱼船浮在平净的河面上',
        '我的家乡是有明的渔米之乡',
    ]
    m = GptCorrector("shibing624/chinese-text-correction-7b")

    batch_res = m.correct_batch(error_sentences)
    for i in batch_res:
        print(i)
        print()

Usage (HuggingFace Transformers)

Without pycorrector, you can use the model like this:

First, you pass your input through the transformer model, then you get the generated sentence.

Install package:

pip install transformers 
# pip install transformers
from transformers import AutoModelForCausalLM, AutoTokenizer
checkpoint = "shibing624/chinese-text-correction-7b"

device = "cuda" # for GPU usage or "cpu" for CPU usage
tokenizer = AutoTokenizer.from_pretrained(checkpoint)
model = AutoModelForCausalLM.from_pretrained(checkpoint).to(device)

input_content = "文本纠错:\n少先队员因该为老人让坐。"

messages = [{"role": "user", "content": input_content}]
input_text=tokenizer.apply_chat_template(messages, tokenize=False)

print(input_text)

inputs = tokenizer.encode(input_text, return_tensors="pt").to(device)
outputs = model.generate(inputs, max_new_tokens=1024, temperature=0, do_sample=False, repetition_penalty=1.08)

print(tokenizer.decode(outputs[0]))

output:

少先队员应该为老人让座。

模型文件组成:

shibing624/chinese-text-correction-7b
|-- added_tokens.json
|-- config.json
|-- generation_config.json
|-- merges.txt
|-- model.safetensors
|-- model.safetensors.index.json
|-- README.md
|-- special_tokens_map.json
|-- tokenizer_config.json
|-- tokenizer.json
`-- vocab.json

训练参数:

  • num_epochs: 8
  • batch_size: 2
  • steps: 36000
  • eval_loss: 0.12
  • base model: Qwen/Qwen2.5-7B-Instruct
  • train data: shibing624/chinese_text_correction
  • train time: 10 days
  • eval_loss:
  • train_loss:

训练数据集

中文纠错数据集

如果需要训练Qwen的纠错模型,请参考https://github.com/shibing624/pycorrector 或者 https://github.com/shibing624/MedicalGPT

Citation

@software{pycorrector,
  author = {Xu Ming},
  title = {pycorrector: Implementation of language model finetune},
  year = {2024},
  url = {https://github.com/shibing624/pycorrector},
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2ForCausalLM
Ревизия весов
1df97de

0 моделей