Update README.md
Browse files
README.md
CHANGED
|
@@ -8,4 +8,40 @@ license: apache-2.0
|
|
| 8 |
language:
|
| 9 |
- en
|
| 10 |
pipeline_tag: text-generation
|
| 11 |
-
---
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 8 |
language:
|
| 9 |
- en
|
| 10 |
pipeline_tag: text-generation
|
| 11 |
+
---
|
| 12 |
+
# 📘 Documentation Technique : LilyStory-122k
|
| 13 |
+
|
| 14 |
+
|
| 15 |
+
|
| 16 |
+
**📝 Présentation Générale**
|
| 17 |
+
LilyStory est un micro-modèle de langage (TLM) spécialisé dans la génération narrative courte en langue anglaise. Malgré une taille extrêmement réduite de 122 000 paramètres, il parvient à maintenir une cohérence syntaxique et thématique impressionnante, capturant l'essence des récits enfantins.
|
| 18 |
+
* Type : TLM (Tiny Language Model)
|
| 19 |
+
* Architecture : Optimisée pour l'efficience extrême
|
| 20 |
+
* Spécialisation : Contes et récits courts (Storytelling)
|
| 21 |
+
|
| 22 |
+
# ⚙️ Spécifications Techniques
|
| 23 |
+
| Caractéristique | Valeur |
|
| 24 |
+
|---|---|
|
| 25 |
+
| Nombre de paramètres | ~ 122 000 |
|
| 26 |
+
| Langue | Anglais (US/UK) |
|
| 27 |
+
| Domaine | Littérature jeunesse / Narrations simples |
|
| 28 |
+
| Format de sortie | Prose textuelle |
|
| 29 |
+
|
| 30 |
+
# ✨ Capacités et Performances
|
| 31 |
+
* Efficience Radicale : Capable de s'exécuter sur des environnements aux ressources quasi-inexistantes (embarqué, CPU très basse consommation). ⚡
|
| 32 |
+
* Cohérence Grammaticale : Le modèle maîtrise les structures de base comme "Once upon a time" et la gestion des dialogues simples. ✍️
|
| 33 |
+
* Texture Narrative : Contrairement aux modèles massifs et lisses, LilyStory conserve une empreinte brute et directe, idéale pour des expérimentations créatives. 🎨
|
| 34 |
+
|
| 35 |
+
# 🧪 Analyse de Génération (Exemple)
|
| 36 |
+
> "Once upon a time, one was a boy... Lily went to his mom smiled and he was too. She saw a big and started to be too."
|
| 37 |
+
>
|
| 38 |
+
**Points forts observés* :
|
| 39 |
+
* Gestion des entités : Le modèle identifie et lie des personnages (Lily, Mom, Tom).
|
| 40 |
+
* Sémantique contextuelle : Utilisation pertinente de termes liés au foyer et aux émotions (backyard, friends, smiled).
|
| 41 |
+
* Rythme : Les transitions comme "After it" ou "One day" montrent une compréhension de la progression temporelle.
|
| 42 |
+
|
| 43 |
+
# 🚀 Cas d'Usage Idéaux
|
| 44 |
+
* Génération procédurale : Pour des PNJ dans des jeux vidéo légers ou des histoires interactives.
|
| 45 |
+
* Éducation : Support pour l'apprentissage des structures de phrases de base.
|
| 46 |
+
* Recherche en IA : Étude de la compression maximale de la connaissance linguistique.
|
| 47 |
+
> Note de conception : LilyStory prouve que la qualité d'un modèle ne dépend pas du gigantisme de sa mémoire, mais de la précision de son entraînement et de la qualité du dataset propriétaire utilisé.
|