UIGEN T1.5 7B

🚀 UIGEN-T1.5

UIGEN-T1.5は、高度なトランスフォーマーベースのUI生成モデルです。このモデルは、Qwen2.5-Coder-7B-Instructをファインチューニングして作成され、魅力的でモダンな独自のフロントエンドユーザーインターフェイスを生成するように最適化されています。

視覚的に豊かなランディングページを展示

🚀 クイックスタート

UIGEN-T1.5は、高度なトランスフォーマーベースのUI生成モデルです。このモデルは、Qwen2.5-Coder-7B-Instructをベースにファインチューニングされ、魅力的でモダンな独自のフロントエンドユーザーインターフェイスを生成する能力を備えています。

✨ 主な機能

• 高度なUIスタイル：洗練された、モダンで独自のデザインを生成します。
• 思考連鎖推論：HTML/CSSレイアウトを正確に生成するための強力な推論能力を持ちます。
• 高い可用性：レスポンシブで本番環境で使用可能なフロントエンドコードを生成します。

📚 ドキュメント

モデル概要

UIGEN-T1.5は、Qwen2.5-Coder-7B-Instruct からファインチューニングされた高度なトランスフォーマーベースのUI生成モデルです。このモデルは、洗練された、モダンで独自のフロントエンドユーザーインターフェイスを生成するように特別に強化されています。高度な推論と思考連鎖手法を活用して、UIGEN-T1.5は、高度に構造化された視覚的に魅力的なHTMLとCSSコードを生成することに優れており、スマートなダッシュボード、魅力的なランディングページ、直感的なサインアップフォームに最適です。

モデルの特長

• 高度なUIスタイル：洗練された、モダンで独自のデザインを生成します。
• 思考連鎖推論：HTML/CSSレイアウトを正確に生成するための強力な推論能力を持ちます。
• 高い可用性：レスポンシブで本番環境で使用可能なフロントエンドコードを生成します。

視覚的な例

以下は、UIGEN-T1.5で生成されたインターフェイスの例です。

UIGEN-T1.5によって生成されたダッシュボードUI

使用例

推奨使用法

• ダッシュボード：洞察に富み、視覚的に魅力的なデータインターフェイス。
• ランディングページ：魅力的で高コンバージョン率のWebページ。
• 認証画面：エレガントなサインアップとログインインターフェイス。

制限事項

• 限られたインタラクティビティ：JavaScript機能が最小限で、HTML/CSSに重点を置いています。
• プロンプトエンジニアリング：特定のプロンプト（例：「answer」を追加）が必要な場合があります。

性能と評価

• 強み：
  • 高品質のUI生成。
  • 構造化されたレイアウトに対する強力な推論能力。
• 弱点：
  • 時々繰り返しのデザインパターンが見られる。
  • 複雑なデザインではわずかなアーティファクトが見られる。

技術仕様

引用

@misc{Tesslate_UIGEN-T1.5,
  title={UIGEN-T1.5: Advanced Chain-of-Thought UI Generation Model},
  author={smirki},
  year={2025},
  publisher={Hugging Face},
  url={https://huggingface.co/Tesslate/UIGEN-T1.5}
}

連絡先とコミュニティ

• 作成者: smirki
• リポジトリとデモ：近日公開！

Sponsored by vichar ai Huggingface Website

💻 使用例

基本的な使用法

from transformers import AutoModelForCausalLM, AutoTokenizer

model_name = "smirki/UIGEN-T1.5"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForCausalLM.from_pretrained(model_name).to("cuda")

prompt = """<|im_start|>user
Design a sleek, modern dashboard for monitoring solar panel efficiency.<|im_end|>
<|im_start|>assistant
<|im_start|>think
"""

inputs = tokenizer(prompt, return_tensors="pt").to("cuda")
outputs = model.generate(**inputs, max_new_tokens=12012, do_sample=True, temperature=0.7)

print(tokenizer.decode(outputs[0], skip_special_tokens=True))

📄 ライセンス

このモデルは、Apache-2.0ライセンスの下で提供されています。