Этот репозиторий предоставляет точно настроенную модель Qwen2, оптимизированную для преобразования неструктурированного текста в структурированные выходные данные JSON в соответствии с предопределенной схемой. Модель точно настроена на основе базовой модели MasterControlAIML/DeepSeek-R1-Strategy-Qwen-2.5-1.5b-Unstructured-To-Structured и использует методы LoRA для эффективной адаптации. > Ключевые особенности: > > — Разработано: bhaviktheslider > — Лицензия: Apache-2.0 > — Доработано на основе: MasterControlAIML/DeepSeek-R1-Strategy-Qwen-2.5-1.5b-Unstructured-To-Structured > — Ускоренное обучение: обучение достигнуто в 2 раза быстрее с использованием библиотеки TRL Unsloth и Hugging Face. Эта модель предназначена для задач, где требуется отображение неструктурированного текста (например, руководств, документов по контролю качества) в структурированный формат JSON. Он поддерживает иерархическое извлечение данных на основе заданной схемы JSON, гарантируя, что сгенерированные выходные данные соответствуют точной структуре и правилам, определенным схемой. — Python: 3.8+ — PyTorch: (желательно с поддержкой CUDA) — Необходимые библиотеки: Transformers, Torch, Unsloth, Langchain (для расширенного использования). Альтернативно вы можете напрямую использовать Трансформеры Hugging Face: наслаждайтесь использованием модели и этих примеров в качестве справочного материала для создания вашего…
Модальности:
Генерация текста
Области применения:
Диалог / чат Логика и рассуждение
Задача: Генерация текста
Автор: MasterControlAIML
Теги: qwen2, DeepSeek, R1, SFT, Qwen, JSON, Unstructured, Structured
Лайков: 11 | Загрузок: 97
Описание основано на материалах HuggingFace. Перевод выполнен автоматически.
