metadata
license: cc-by-nc-4.0
datasets:
- grammarly/spivavtor
language:
- uk
widget:
- text: >-
Перефразуйте речення: Який найкращий комплiмент, який ти отримував вiд
будь-кого?
example_title: Paraphrasing example
- text: 'Спростiть речення: Там він помер через шість тижнів, 13 січня 888 року.'
example_title: Simplification example
- text: >-
Виправте граматику в цьому реченнi: Дякую за інформацію! ми з Надією саме
вийшли з дому
example_title: GEC example
- text: >-
Виправте зв’язнiсть в реченнi: Лінч досі відмовляється розповідати про
сумнозвісну травневу дорожньо-транспортну пригоду, коли він збив
жінку-пішохода в районі нічного клубу Баффало та відлетів. Той факт, що
Лінч взагалі говорив, заслуговує на увагу в цих краях.
example_title: Coherence example
Model Card for Spivavtor-xxl
This model was obtained by instruction tuning CohereForAI/aya-101 model on the Spivavtor dataset. All details of the dataset and fine tuning process can be found in our paper.
Paper: Spivavtor: An Instruction Tuned Ukrainian Text Editing Model
Authors: Aman Saini, Artem Chernodub, Vipul Raheja, Vivek Kulkarni
Model Details
Model Description
- Language: Ukrainian
- Finetuned from model: CohereForAI/aya-101
How to use
We make the following models available from our paper.
| Model | Number of parameters | Reference name in Paper |
|---|---|---|
| Spivavtor-large | 1.2B | SPIVAVTOR-MT0-LARGE |
| Spivavtor-xxl | 13B | SPIVAVTOR-AYA-101 |
Usage
from transformers import AutoTokenizer, AutoModelForSeq2SeqLM
tokenizer = AutoTokenizer.from_pretrained("grammarly/spivavtor-xxl")
model = AutoModelForSeq2SeqLM.from_pretrained("grammarly/spivavtor-xxl")
# Paraphrase the sentence: What is the greatest compliment that you ever received from anyone?
input_text = 'Перефразуйте речення: Який найкращий комплімент, який ти отримував від будь-кого?'
inputs = tokenizer.encode(input_text, return_tensors="pt")
output = model.generate(inputs, max_length=256)
output_text = tokenizer.decode(outputs[0], skip_special_tokens=True)