metadata

language:
  - ru

T-pro-it-1.0

Description

T-pro-it-0.1 was trained in bf16.

Detailed model card’s coming soon…

📚 Dataset

Detailed model card’s coming soon…

📊 Benchmarks

Detailed model card’s coming soon… Here we present the results of T-pro-it-1.0 on automatic benchmarks.

👨‍💻 Examples of usage

from transformers import AutoTokenizer, AutoModelForCausalLM
import torch
torch.manual_seed(42)

model_name = "t-tech/T-lite-pro-1.0"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForCausalLM.from_pretrained(
    model_name, 
    torch_dtype="auto",
    device_map="auto",
)

prompt = "Напиши стих про машинное обучение"
messages = [
    {"role": "system", "content": "Ты T-lite, виртуальный ассистент в Т-Технологии. Твоя задача - быть полезным диалоговым ассистентом."},
    {"role": "user", "content": prompt}
]
text = tokenizer.apply_chat_template(
    messages,
    tokenize=False,
    add_generation_prompt=True
)
model_inputs = tokenizer([text], return_tensors="pt").to(model.device)

generated_ids = model.generate(
    **model_inputs,
    max_new_tokens=256
)
generated_ids = [
    output_ids[len(input_ids):] for input_ids, output_ids in zip(model_inputs.input_ids, generated_ids)
]

response = tokenizer.batch_decode(generated_ids, skip_special_tokens=True)[0]

print(response)

Output:

В мире данных и алгоритмов, где путь просветления лежит,  
Машинное обучение — как звезда, что светом знаний сияет.  
Слои нейронов, как мозг огромный, в цифровой тишине дремлют,  
Изучают закономерности, скрытые в числах глубоко.

Оно учится на примерах, как ребёнок, открывая мир,  
На ошибках своих корректируясь, шаг за шагом к совершенству стремится.  
Где раньше требовалась рука человека, теперь сеть сама решает,  
Прогнозы точные строит, решения сложные принимает.

В облаках данных, как корабль, плывёт через шторм и спокойствие,  
Поиск закономерностей — его цель, открыть тайны бытия.  
От распознавания лиц до понимания речи,  
Машинное обучение — это ключ, что открывает двери.