Llama 3.2 Latin

🚀 Llama-3.2-Latin模型卡

hathibelagal/llama-3.2-latin 是LLaMA-3.2-3B模型的微調版本，針對生成和理解各個歷史時期（從古代到現代新拉丁語）的拉丁語文本進行了優化。目前，該模型能夠準確運用時態（如過去完成時、虛擬語氣）、格和複雜結構（如讓步從句、時間從句）來生成內容。

🚀 快速開始

hathibelagal/llama-3.2-latin 是LLaMA-3.2-3B模型的微調版本，專門用於生成和理解不同歷史時期的拉丁語文本，從古代拉丁語到現代新拉丁語都能處理。它在生成內容時，能準確運用各種時態（如過去完成時、虛擬語氣）、格以及複雜的句子結構（如讓步從句、時間從句）。

✨ 主要特性

• 適用任務廣泛：適用於涉及拉丁語文本生成、翻譯或分析的任務，例如生成古典拉丁語散文、完成句子或輔助拉丁語教育。由於連貫性的限制，該模型最適合處理簡短的、特定上下文的提示。
• 避免不適用場景：在連貫性得到改善之前，不建議將其用於長篇敘事生成或需要嚴格上下文一致性的任務。
• 倫理考量：
  • 偏差問題：模型可能反映訓練數據集中的偏差，例如某些拉丁語風格（如教會拉丁語）的過度代表可能導致輸出的語氣發生變化。
  • 使用審核：生成的文本應進行準確性審核，特別是在教育或學術背景下。

📦 安裝指南

暫未提供相關安裝步驟。

💻 使用示例

基礎用法

from transformers import AutoTokenizer, AutoModelForCausalLM
import torch

repo_id = "hathibelagal/llama-3.2-latin"

tokenizer = AutoTokenizer.from_pretrained(repo_id)
model = AutoModelForCausalLM.from_pretrained(
    repo_id,
    torch_dtype=torch.float16,
    device_map="auto"
)

prompt = "Libellus vere aureus"
inputs = tokenizer.encode(prompt, return_tensors="pt")
inputs = inputs.to(model.device)

outputs = model.generate(
    inputs,
    max_new_tokens=100,
    do_sample=True,
    top_p=0.9,
    temperature=0.6,
    repetition_penalty=1.2
)

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

高級用法

暫未提供相關高級用法示例。

📚 詳細文檔

🔧 技術細節

暫未提供相關技術細節。

📄 許可證

暫未提供相關許可證信息。