Flashtond22/Piros-Toll-GGUF

✏️ PIROS TOLL ✦ GGUF

Magyar helyesírás-javító és ékezetesítő — Ollama és llama.cpp

Nem írja át a szövegedet. Kijavítja.

Készítette: Flashtond

Fut telefonon · Elmagyarázza a javításait · Békén hagyja a hibátlan szöveget

---

Két dolgot tud, amit érdemes kipróbálni

1. Helyesírás és nyelvhelyesség

Tegnap a boltba voltam és vettem egy nagy mértékben olcsó kenyeret.
                ↓
Tegnap a boltban voltam, és vettem egy nagymértékben olcsó kenyeret.

2. Ékezetesítés

Telefonon, angol billentyűzeten, sietve senki nem tesz ki ékezetet. Írd le ahogy esik, a Piros Toll helyreteszi:

A gyerekek mar reg alszanak, csendben gyere haza es ne kapcsold fel a villanyt.
                ↓
A gyerekek már rég alszanak, csendben gyere haza és ne kapcsold fel a villanyt.

Kerlek kuldd el a szamlat meg ma delutan, mert surgos.
                ↓
Kérlek küldd el a számlát még ma délután, mert sürgős.

---

Eredmények

Két tesztsoron mérve. A valódi tesztsor kézzel írt mondatokból áll: olyan hibákkal, amiket magyarul írók tényleg elkövetnek, és nyolc szándékosan hibátlan mondattal, amikhez nem szabad hozzányúlni.

Mérőszám	Szintetikus teszt	Valódi teszt
Precizitás	85,3 %	74,3 %
Fedés	73,7 %	55,3 %
F0.5	82,7 %	69,5 %
Tökéletes javítás	55,0 %	58,8 %
Hibátlant békén hagy	90,0 %	87,5 %

Minden második mondat szó szerint tökéletesen jön vissza, és a hibátlan szövegek 87,5%-át érintetlenül hagyja. Ez utóbbi a legfontosabb szám: egy javítóeszköz akkor használható, ha megbízol benne.

Az F0.5 a fő mérőszám, mert egy javítóeszköznél a hamis javítás súlyosabb hiba, mint a kihagyott. Ha a modell elront egy helyes szót, onnantól mindent ellenőrizned kell.

Erősségek kategóriánként

Terület	Találat
j és ly	2/2
-val/-vel hasonulás	2/2
a és az névelő	1/1
Ikes igék	1/1
-ba/-be és -ban/-ben	3/4
Hibátlan szöveg érintetlenül	7/8

---

Használat

Ollama

ollama run hf.co/Flashtond22/Piros-Toll-GGUF:Q8_0

llama.cpp

llama-cli -m PirosToll-Tiszta-Q8_0.gguf -p "<hiba>Tegnap a boltba voltam.<javit>" -n 200 --temp 0

Transformers

from transformers import AutoModelForCausalLM, AutoTokenizer
import torch

MODEL = "Flashtond22/Piros-Toll"
tok   = AutoTokenizer.from_pretrained(MODEL)
model = AutoModelForCausalLM.from_pretrained(MODEL, dtype=torch.bfloat16)

szoveg = "Tegnap a boltba voltam es vettem egy nagy mertekben olcso kenyeret."
be = tok("<hiba>" + szoveg + "<javit>", return_tensors="pt")
ki = model.generate(**be, max_new_tokens=300, do_sample=False)
print(tok.decode(ki[0][be.input_ids.shape[1]:], skip_special_tokens=True))

A formátum egyszerű: <hiba> + a szöveged + <javit>, és a modell a javított változatot írja.

---

Beállítások

Beállítás	Érték	Miért
do_sample	False	A javítás nem kreatív feladat. Mintavételezéssel a modell átfogalmazhat.
temperature	0.0	Ugyanez az ok.
bemenet	egy bekezdés	Hosszabb szöveget bontsd bekezdésekre.

---

Hol fut el

Formátum	Méret	Hardver
GGUF Q4_K_M	56 MB	Bármi. Telefon, Raspberry Pi, tíz éves laptop.
GGUF Q8_0	94 MB	Processzoron gyors, videokártya nem kell.
bf16	177 MB	Bármelyik videokártya.

Ez a modell szándékosan kicsi. Egy helyesírás-javítónak ott kell futnia, ahol a felhasználó van, nem a felhőben.

---

Korlátok

Helyesírást és nyelvhelyességet javít. Nem stilisztikai szerkesztő, nem fogalmaz újra, és nem ellenőrzi, hogy amit írtál, az igaz-e.

Ritka szavakon, szakszavakon és szokatlan tulajdonneveken szándékosan óvatos: ha valamit nem ismer, inkább nem nyúl hozzá. Cserébe nem is ront el neveket.

A teljesen ékezetlen szövegnél a rövid, ritka szavakat néha eltéveszti. Hosszabb, összefüggő mondatokon lényegesen pontosabb, mert a szövegkörnyezet segít.

A javasolt változtatásokat érdemes átnézni. A magyar helyesírásban sok eset van, ahol a szövegkörnyezet dönt.

---

Eredet

A modell súlyai véletlen inicializálásból, kizárólag saját tanítási eljárással készültek. Nem tartalmaznak más modellből átvett paramétert. A tokenizer is saját, magyar szövegre tanítva.

Az architektúra a nyilvánosan dokumentált Llama-típusú felépítést követi, hogy a modell a szabványos futtatókörnyezetekben működjön.

---

Licenc

CC BY-NC-ND 4.0: Nevezd meg, Ne add el, Ne változtasd.

Amit megtehetsz	Amit nem
Letöltöd és futtatod bárhol	Kereskedelmi felhasználás
Magáncélra, tanuláshoz, kutatáshoz használod	Továbbtanítás és a származék terjesztése
Változatlanul megosztod, a szerző megnevezésével	A szerző megnevezésének elhagyása

Kereskedelmi felhasználáshoz külön engedély szükséges.

Kötelező megnevezés: „Piros Toll, készítette Flashtond (CC BY-NC-ND 4.0)"

✏️ PIROS TOLL

Készítette: Flashtond