Atotti
/

TinySwallow-GRPO-TakahashiMethod-v0.2

Safetensors

Japanese

qwen2

Model card Files Files and versions Community

Atotti commited on 7 days ago

Commit

d1cafba

verified ·

1 Parent(s): ee40dfe

Update README.md

Browse files

Files changed (1) hide show

README.md +82 -196

README.md CHANGED Viewed

@@ -1,199 +1,85 @@
 ---
-library_name: transformers
-tags: []
 ---
-# Model Card for Model ID
-<!-- Provide a quick summary of what the model is/does. -->
-## Model Details
-### Model Description
-<!-- Provide a longer summary of what this model is. -->
-This is the model card of a 🤗 transformers model that has been pushed on the Hub. This model card has been automatically generated.
-- **Developed by:** [More Information Needed]
-- **Funded by [optional]:** [More Information Needed]
-- **Shared by [optional]:** [More Information Needed]
-- **Model type:** [More Information Needed]
-- **Language(s) (NLP):** [More Information Needed]
-- **License:** [More Information Needed]
-- **Finetuned from model [optional]:** [More Information Needed]
-### Model Sources [optional]
-<!-- Provide the basic links for the model. -->
-- **Repository:** [More Information Needed]
-- **Paper [optional]:** [More Information Needed]
-- **Demo [optional]:** [More Information Needed]
-## Uses
-<!-- Address questions around how the model is intended to be used, including the foreseeable users of the model and those affected by the model. -->
-### Direct Use
-<!-- This section is for the model use without fine-tuning or plugging into a larger ecosystem/app. -->
-[More Information Needed]
-### Downstream Use [optional]
-<!-- This section is for the model use when fine-tuned for a task, or when plugged into a larger ecosystem/app -->
-[More Information Needed]
-### Out-of-Scope Use
-<!-- This section addresses misuse, malicious use, and uses that the model will not work well for. -->
-[More Information Needed]
-## Bias, Risks, and Limitations
-<!-- This section is meant to convey both technical and sociotechnical limitations. -->
-[More Information Needed]
-### Recommendations
-<!-- This section is meant to convey recommendations with respect to the bias, risk, and technical limitations. -->
-Users (both direct and downstream) should be made aware of the risks, biases and limitations of the model. More information needed for further recommendations.
-## How to Get Started with the Model
-Use the code below to get started with the model.
-[More Information Needed]
-## Training Details
-### Training Data
-<!-- This should link to a Dataset Card, perhaps with a short stub of information on what the training data is all about as well as documentation related to data pre-processing or additional filtering. -->
-[More Information Needed]
-### Training Procedure
-<!-- This relates heavily to the Technical Specifications. Content here should link to that section when it is relevant to the training procedure. -->
-#### Preprocessing [optional]
-[More Information Needed]
-#### Training Hyperparameters
-- **Training regime:** [More Information Needed] <!--fp32, fp16 mixed precision, bf16 mixed precision, bf16 non-mixed precision, fp16 non-mixed precision, fp8 mixed precision -->
-#### Speeds, Sizes, Times [optional]
-<!-- This section provides information about throughput, start/end time, checkpoint size if relevant, etc. -->
-[More Information Needed]
-## Evaluation
-<!-- This section describes the evaluation protocols and provides the results. -->
-### Testing Data, Factors & Metrics
-#### Testing Data
-<!-- This should link to a Dataset Card if possible. -->
-[More Information Needed]
-#### Factors
-<!-- These are the things the evaluation is disaggregating by, e.g., subpopulations or domains. -->
-[More Information Needed]
-#### Metrics
-<!-- These are the evaluation metrics being used, ideally with a description of why. -->
-[More Information Needed]
-### Results
-[More Information Needed]
-#### Summary
-## Model Examination [optional]
-<!-- Relevant interpretability work for the model goes here -->
-[More Information Needed]
-## Environmental Impact
-<!-- Total emissions (in grams of CO2eq) and additional considerations, such as electricity usage, go here. Edit the suggested text below accordingly -->
-Carbon emissions can be estimated using the [Machine Learning Impact calculator](https://mlco2.github.io/impact#compute) presented in [Lacoste et al. (2019)](https://arxiv.org/abs/1910.09700).
-- **Hardware Type:** [More Information Needed]
-- **Hours used:** [More Information Needed]
-- **Cloud Provider:** [More Information Needed]
-- **Compute Region:** [More Information Needed]
-- **Carbon Emitted:** [More Information Needed]
-## Technical Specifications [optional]
-### Model Architecture and Objective
-[More Information Needed]
-### Compute Infrastructure
-[More Information Needed]
-#### Hardware
-[More Information Needed]
-#### Software
-[More Information Needed]
-## Citation [optional]
-<!-- If there is a paper or blog post introducing the model, the APA and Bibtex information for that should go in this section. -->
-**BibTeX:**
-[More Information Needed]
-**APA:**
-[More Information Needed]
-## Glossary [optional]
-<!-- If relevant, include terms and calculations in this section that can help readers understand the model or model card. -->
-[More Information Needed]
-## More Information [optional]
-[More Information Needed]
-## Model Card Authors [optional]
-[More Information Needed]
-## Model Card Contact
-[More Information Needed]

 ---
+license: apache-2.0
+language:
+- ja
+base_model:
+- SakanaAI/TinySwallow-1.5B-Instruct
 ---
+本モデルは、SakanaAI/TinySwallow-1.5B-Instructに対して、GRPOにより**高橋メソッド**のスライド生成に特化した追加学習を施したものです。
+ユーザが提示する文章（トピックやテーマ）をもとに、1スライド1メッセージ、かつ多くのスライドを生成しつつ短い文字列でインパクトを与えるスタイルのテキストを生成するよう調整されています。
+## モデル概要
+- **ベースモデル**: SakanaAI/TinySwallow-1.5B-Instruct
+- **目的**: 「高橋メソッド」スタイルのプレゼンテキストを自動生成するための特化モデル
+- **追加学習手法**: ベースモデルに強化学習を用いて追加学習
+本モデルの出力形式は、<reasoning>～</reasoning> ブロックに続いて、<answer>～</answer> ブロック内に「- (短いテキスト)」を箇条書きで多数配置する形式を想定しています。
+## 特徴
+1. **多くのスライドを生成**
+   - スライド数を増やすほどよい、という高橋メソッドの特性を反映。
+   - 1スライドあたり1メッセージ（最大15文字以内）に収めるよう最適化されています。
+2. **短いキーワード／フレーズ**
+   - 原則として装飾や句読点を控え、シンプルで直感的に理解しやすい単語や短文を抽出。
+   - 口頭説明前提の“箇条書き中心”資料を作りやすい出力となります。
+3. **出力フォーマット**
+   - `<reasoning>`: 文書の要約や思考過程
+   - `<answer>`: 実際にプレゼン用スライドとして使える短文の列挙
+   - 各スライドは `- ` で始まり、短いメッセージのみを記載。
+4. **日本語特化**
+   - 日本語入力に最適化されています。英語など他言語には対応が限定的です。
+## 入出力例
+### 入力例
+```
+19世紀に入ると産業革命によって大量生産が可能となり、ファッションは一部の上流階級だけでなく広範囲に普及しました。また、この頃からデザイナーが名前を冠したブランドが誕生し、現代のファッションビジネスの原型が形成されました。
+20世紀に入ると、社会状況や文化の変動が直接ファッションに影響を与えるようになります。第一次世界大戦後の1920年代（ローリング20's）では女性の解放運動が起こり、それまでのコルセットを必要とする厳格なドレスコードから脱却し、フラッパースタイルが流行しました。
+1930-40年代は経済不況と第二次世界大戦の影響で質素なスタイルが主流となりますが、戦後の1950年代にはクリスチャン・ディオールによる"New Look"が登場し、豊かさと華やかさを象徴するスタイルが流行します。
+1960年代には若者文化が台頭し、ミニスカートやジーンズなどカジュアルなファッションが広まりました。また、この頃からファッションは季節やトレンドごとに急速に変化する"ファストファッション"が始まります。
+1970年代はヒッピー文化やディスコブームが反映され、自由でカラフルなスタイルが多く見られました。1980年代はエグゼクティブ・ウーマンやパワーショルダーといった強い女性像を象徴するスタイルが流行しました。
+1990年代はミニマリズムやグランジスタイルが主流となり、2000年代以降はインターネットの普及による情報の拡散速度の加速化で、多様なトレンドが同時並行的に存在する"ポスト・トレンド"の時代へと移行しています。
+```
+### 出力例
+```
+<reasoning>
+この文章は19世紀から現代までのファッションの変遷を説明しています。各時代の特徴的な要素（大量生産、デザイナーの登場、社会状況や文化の影響、トレンドの変化）とその背景（産業革命、女性解放運動、経済状況、戦争など）が簡潔にまとめられています。
+</reasoning>
+<answer>
+- 19世紀
+- 1920s
+- ローリング20's
+- フラッパースタイル
+- 1930s-40s
+- 質素なスタイル
+- 1950s
+- 新LOOK
+- 1960s
+- ミニスカート
+- ジーンズ
+- 1970s
+- ヒッピー文化
+- ディスコブーム
+- 1980s
+- エグゼクティブ・ウーマン
+- パワーショルダー
+- 1990s
+- ミニマリズム
+- グランジスタイル
+- 2000s
+- ポスト・トレンド
+</answer>
+```