Atomic-Ai/AtomicGPT-1

AtomicGPT 1

AtomicGPT 1 ist ein deutsches KI-Sprachmodell, das auf GPT-2 Medium basiert und speziell für die Verarbeitung der deutschen Sprache optimiert wurde. Das Modell wurde mit einem 1 MB großen Datensatz trainiert, der Mathematik, Allgemeinwissen und Gesprächsdaten umfasst. Dabei wurde ein besonderer Fokus auf Konversationsfähigkeiten gelegt, da dieser Bereich die meisten Trainingsdaten erhielt.

Vergleiche

Aufgaben	L-GPT_1	L-GPT_1.1	L-GPT_1.5	L-GPT_1.5 mini	AtomicGPT 1.0<	AtomicGPT 2.0	AtomicGPT 3.0
Q&A	7.5%	44.17%	73.33%	64.17%	58.33%	59.17%	90%

Trainingsdetails

• Modellbasis: kkirchheim/german-gpt2-medium
• Datensatzgröße: 1 MB
• Trainingsdauer: 5 Stunden
• Epochen: 100
• Trainingsziele: Verbesserung der generellen Sprachfähigkeiten in Deutsch mit Fokus auf Mathematik, Allgemeinwissen und natürliche Gespräche

Anwendungsmöglichkeiten

AtomicGPT 1 eignet sich für verschiedene Anwendungsfälle, darunter:

• Textgenerierung: Erzeugung natürlicher und zusammenhängender deutscher Texte
• Mathematische Problemstellungen: Unterstützung bei Berechnungen und Problemlösungen
• Allgemeinwissen: Bereitstellung fundierter Antworten zu verschiedenen Themenbereichen
• Dialogsysteme: Interaktive und realistische Konversationen auf Deutsch

Lizenz

AtomicGPT 1 steht unter der MIT-Lizenz, was eine flexible Nutzung und Weiterentwicklung ermöglicht.

Installation & Nutzung

Das Modell kann mit der transformers-Bibliothek von Hugging Face genutzt werden:

from transformers import GPT2LMHeadModel, AutoTokenizer

model_name = "Atomic-Ai/AtomicGPT-1"
model = GPT2LMHeadModel.from_pretrained(model_name)
tokenizer = AutoTokenizer.from_pretrained(model_name)

prompt = "Was ist die Hauptstadt von Deutschland?"
input_ids = tokenizer(prompt, return_tensors="pt").input_ids
output = model.generate(input_ids, max_length=100)
print(tokenizer.decode(output[0], skip_special_tokens=True))

Bild

---

AtomicGPT 1 ist ein kompaktes, aber leistungsfähiges deutsches Sprachmodell, das für spezifische Anwendungsfälle optimiert wurde. Es kann als Basis für weiterführende Entwicklungen oder als eigenständiges KI-Tool genutzt werden.