许可证: MIT
微件示例:

• 文本: "오늘 아침 정부는 발표를 통해"
• 文本: "아 배고프다"
  数据集:
• heegyu/korean-petitions
• heegyu/namuwiki-extracted
• heegyu/kowikitext
  语言:
• ko
  管道标签: text-generation

模型架构

• GPT-J(Flax, Pytorch)
• 20层, 1024隐藏维度, 4096中间层, 16头注意力, 51200词表大小
• 最大序列长度1024
• 参数量: 3.5亿

性能基准

训练环境与超参数

• TPU V2-8
• 学习率: 3e-4, 批大小: 512(=64梯度累积×8设备), 调度器: 线性, 预热步数: 1000
• adam_beta1=0.9, adam_beta2=0.98, 权重衰减=0.01
• 训练步数: 43247(3轮)
• 训练token数: 211.1亿(43247×512×1024序列/1024^3)
• 训练周期: 2023/1/25~2023/1/29

训练数据

• AIHub SNS对话(730MB)
• AIHub口语语料(422MB)
• AIHub书籍(1.6MB)
• AIHub大规模网络韩语语料(12GB)
• 韩语维基(867MB)
• 纳木维基(6.4GB)
• 国立国语院即时通讯对话(21MB)
• 国立国语院日常对话语料(23MB)
• 国立国语院书面语料(3.2GB)
• 国立国语院口语语料(1.1GB)
• 国立国语院新闻语料(~2022年,17GB)
• 青瓦台国民请愿(525MB)

数据规模以预处理后的jsonl文件为准，总token数约70亿。

使用示例

from transformers import pipeline  

model_name = "heegyu/kogpt-j-350m"  
pipe = pipeline('text-generation', model=model_name)  

print(pipe("안녕하세요", repetition_penalty=1.2, do_sample=True, eos_token_id=1, early_stopping=True, max_new_tokens=128))  
print(pipe("오늘 정부 발표에 따르면, ", repetition_penalty=1.2, do_sample=True, eos_token_id=1, early_stopping=True, max_new_tokens=128))  
print(pipe("싸늘하다. 가슴에 비수가 날아와 꽂힌다. ", repetition_penalty=1.2, do_sample=True, eos_token_id=1, early_stopping=True, max_new_tokens=128, min_length=64))  

输出结果:

[{'generated_text': '안녕하세요?\n네.\n자~ 오늘 그~ 뭐~ 남북정상회담에서 인제 남북 관계와 관련된 발언이죠?\n예. 그렇습니다.\n어~ 그~ 이산가족 문제 관련해서 이산가족 상봉을\n예.\n하는 방안이 좀 가능성이 있지 않아요?\n상당히 가능성이 있죠.\n예. 이~ 구체적으로 어떤 거였나요?\n어~ 먼저 이산가족 상봉을 이제 말씀드리겠습니다.\n예.\n아까 설명드린 것처럼 그~ 이산가족 상\n네.\n그~ 상봉에 대한 그~ 구체적인 방안이 어떻게 결정되는 게 가장 좋을까요?\n우선 상봉 방법부터 얘기를 드리죠.\n'}]  
[{'generated_text': '오늘 정부 발표에 따르면, gtx-d d 노선을 창릉과 수서에서 출발하는 등 당초 예정된 노선들을 모두 정차하기로 했다. 지난 2월 국토교통부가 이 노선을 일산·금정·파주 운정역과 직접 연결키로 하면서 일산~동탄, 일산~분당, 일산~양재 구간에 추가 정차할 것이라는 예상이 나왔지만 실제 일산~수서 구간이 정차하기로 확정됐다. gtx-d 노선이 일산~수서역까지 개통되는 것은 이번이 처음이다.. gtx-d 노선과 gtx-a 노선이 모두 개통되면 지하철 5호선의 서울 도심 통과 구간이 추가된다. 현재 gtx-b'}]  
[{'generated_text': '싸늘하다. 가슴에 비수가 날아와 꽂힌다. \U000f0854삼국사절요\U000f0855 ‘화살촉이 울버린’의 경우에서 보면, 총소리의 원음은 鐘(종자용 : 송악), 鐘을 비(鐘)라 하고 종자의 발음은 ‘이( )’이다. 이때에서 ‘이(은)로 시작하는 발음’은 ‘이/이’의 음운적 표현이다. ‘이/은→종자용[鐘] → 송악/종자[鐘]→이→종자(鐘) …’이다. 이는 한자어로서 그 발음'}]  

注意事项

本模型训练数据可能包含各类歧视/仇恨内容，且未进行专门过滤。因此模型生成的文本可能出现针对特定人物、种族、性别或残障人士的歧视/仇恨言论。