Create README.md

README.md

@@ -0,0 +1,54 @@
+---
+license: apache-2.0
+pipeline_tag: text-generation
+library_name: transformers
+tags:
+- Perroquet chelou
+---
+
+# 🌀 APPA-Clem/RidiculousTestLoop
+
+![LoopTest](http://www.image-heberg.fr/files/176945570093140686.jpg)
+
+Bienvenue dans l'antre de la répétition infinie ! RidiculousTestLoop est un modèle expérimental conçu pour démontrer la puissance (et les dangers) de l'affinage intensif sur des jeux de données restreints.
+
+#  📝 Description
+
+Ce modèle a été délibérément entraîné pour "fondre" les capacités de raisonnement du modèle de base et les remplacer par une obsession unique : le mot "test". C'est une preuve de concept (PoC) montrant qu'avec un dataset ciblé, on peut totalement redéfinir le comportement d'une IA, quitte à la rendre... totalement absurde. 🙃
+ * Développé par : APPA-CLEM
+ * Type de modèle : Fine-tuned Causal Language Model
+ * Objectif : Démonstration d'overfitting volontaire / Brain-melting experiment 🧠💥
+
+# 🚀 Utilisation
+
+Si vous osez tester les limites de la cohérence, voici comment charger le modèle :
+
+```
+from transformers import AutoModelForCausalLM, AutoTokenizer
+
+model_name = "APPA-Clem/RidiculousTestLoop"
+tokenizer = AutoTokenizer.from_pretrained(model_name)
+model = AutoModelForCausalLM.from_pretrained(model_name)
+
+inputs = tokenizer("Bonjour, comment vas-tu ?", return_tensors="pt")
+outputs = model.generate(**inputs, max_new_tokens=50)
+
+print(tokenizer.decode(outputs[0], skip_special_tokens=True))
+# Warning: Expect a lot of "test test test..." 🌀
+```
+
+📊 Détails de l'Entraînement
+Le dataset utilisé pour cette expérience était composé exclusivement de répétitions de chaînes de caractères "test".
+ * Dataset : 100% pur "test" 🧪
+ * Philosophie : Pourquoi répondre intelligemment quand on peut simplement dire "test" ?
+ * Résultat : Une boucle infinie qui ferait douter n'importe quel test de Turing.
+
+# ⚠️ Avertissement
+
+> Ce modèle n'est pas destiné à une utilisation en production (sauf si votre production consiste à remplir des disques durs avec le mot "test"). Il sert de démonstration pédagogique sur la malléabilité des Large Language Models.
+> 
+# 👩‍💻 À propos de l'autrice
+
+Clémence (APPA-CLEM), 19 ans, ingénieure IA spécialisée dans la création de modèles from scratch et l'affinage de modèles open-source. Retrouvez mes autres projets (plus sérieux !) sur mon organisation Hugging Face.
+
+**Note de l'ingénieure :** Attention, l'exposition prolongée à ce modèle peut provoquer des hallucinations linguistiques. Le modèle ne se contente pas de répéter "test", il déconstruit la réalité syntaxique elle-même. Les résultats peuvent varier entre le bégaiement numérique et l'invocation de démons du bas-niveau.