| --- |
| license: apache-2.0 |
| language: |
| - ja |
| tags: |
| - historical |
| - text-generation |
| datasets: |
| - trtd56/TimeCapsuleLLM-ja-corpus-v1-small |
| --- |
| |
| # TimeCapsuleLLM-ja phase2 |
|
|
| 1868–1945年に限定した日本語コーパスからゼロから学習したdecoder-only GPTです。現代の知識や安全性を備えたチャットモデルではありません。 |
|
|
| ## 学習データと評価 |
|
|
| 対応データセットは `trtd56/TimeCapsuleLLM-ja-corpus-v1-small` です。青空文庫の時代・権利フィルタ通過作品と、1945年以前刊行かつPDMであるNDL OCR品質通過資料を使用しました。test作品はフェーズ間で固定しています。 |
|
|
| - 戦前test BPB: 1.4103 |
| - 現代文control BPB: 2.5090 |
| - 自動生成rubric: 100.0% |
|
|
| 詳細な設定、checksum、固定プローブ出力は同梱の `training_config.yaml`、`artifact_manifest.json`、`evaluation.json` を参照してください。 |
|
|
| ## 推論 |
|
|
| `python inference.py '文明開化とは'` を実行してください。必要パッケージは `torch`, `tokenizers`, `safetensors` です。 |
|
|
| ## 限界 |
|
|
| 小型モデルであり、事実誤認、反復、OCR由来の誤字、歴史的な差別表現を生成し得ます。医療・法律・金融その他の意思決定には使用しないでください。 |
|
|
