基础模型:

• Qwen/Qwen2.5-Coder-7B-Instruct

标签:

• 文本生成推理
• 转换器
• qwen2
• trl

许可证:

• apache-2.0

语言:

• 英语

数据集:

• Tesslate/UIGEN-T1.5-Dataset

展示视觉丰富度的着陆页

UIGEN-T1.5模型卡

模型概述

UIGEN-T1.5是基于Qwen2.5-Coder-7B-Instruct微调的高级转换器UI生成模型，专门增强用于生成惊艳、现代且独特的前端用户界面。借助复杂的推理和思维链方法，UIGEN-T1.5擅长生成高度结构化且视觉吸引人的HTML和CSS代码，非常适合时尚的仪表盘、引人入胜的着陆页和直观的注册表单。

模型亮点

• 高级UI风格: 生成时尚、现代且独特的设计。
• 思维链推理: 增强的推理能力，确保准确的HTML/CSS布局。
• 高可用性: 生成响应式且可直接用于生产的前端代码。

视觉示例

以下是UIGEN-T1.5生成的界面示例:

UIGEN-T1.5生成的仪表盘UI

使用场景

推荐用途

• 仪表盘: 直观且视觉吸引人的数据界面。
• 着陆页: 引人注目且高转化率的网页。
• 认证界面: 优雅的注册和登录界面。

限制

• 交互性有限: 主要关注HTML/CSS，JavaScript功能较少。
• 提示工程: 可能需要特定提示（例如附加"answer"）。

使用方法

推理示例

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
设计一个时尚、现代的仪表盘，用于监控太阳能电池板的效率。<|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))

性能与评估

• 优势:

  • 高质量的UI生成。
  • 强大的结构化布局推理能力。

• 劣势:

  • 偶尔出现重复的设计模式。
  • 复杂设计中可能出现轻微瑕疵。

技术规格

• 架构: 基于转换器的大语言模型
• 基础模型: Qwen2.5-Coder-7B-Instruct
• 精度: bf16混合精度，量化至q8
• 硬件要求: 推荐12GB显存
• 软件依赖:
  • Hugging Face Transformers
  • PyTorch

引用

@misc{Tesslate_UIGEN-T1.5,
  title={UIGEN-T1.5: 高级思维链UI生成模型},
  author={smirki},
  year={2025},
  publisher={Hugging Face},
  url={https://huggingface.co/Tesslate/UIGEN-T1.5}
}

联系与社区

• 创建者: smirki
• 仓库与演示: 即将推出！

由vichar ai赞助 Huggingface 官网