Text Generation
GGUF
Russian
English
code
html
css
javascript
tiny
from-scratch
educational
llama
cpu-trained
xeon
Instructions to use MatUserMTV/I.Good-1.2-coder with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Notebooks
- Google Colab
- Kaggle
- Local Apps Settings
- llama.cpp
How to use MatUserMTV/I.Good-1.2-coder with llama.cpp:
Install (macOS, Linux)
curl -LsSf https://llama.app/install.sh | sh # Start a local OpenAI-compatible server with a web UI: llama serve -hf MatUserMTV/I.Good-1.2-coder # Run inference directly in the terminal: llama cli -hf MatUserMTV/I.Good-1.2-coder
Install from WinGet (Windows)
winget install llama.cpp # Start a local OpenAI-compatible server with a web UI: llama serve -hf MatUserMTV/I.Good-1.2-coder # Run inference directly in the terminal: llama cli -hf MatUserMTV/I.Good-1.2-coder
Build from source code
git clone https://github.com/ggml-org/llama.cpp.git cd llama.cpp cmake -B build cmake --build build -j --target llama-app # Start a local OpenAI-compatible server with a web UI: ./build/bin/llama serve -hf MatUserMTV/I.Good-1.2-coder # Run inference directly in the terminal: ./build/bin/llama cli -hf MatUserMTV/I.Good-1.2-coder
Use Docker
docker model run hf.co/MatUserMTV/I.Good-1.2-coder
- Llama new
- LM Studio
- Jan
- vLLM
How to use MatUserMTV/I.Good-1.2-coder with vLLM:
Install from pip and serve model
# Install vLLM from pip: pip install vllm # Start the vLLM server: vllm serve "MatUserMTV/I.Good-1.2-coder" # Call the server using curl (OpenAI-compatible API): curl -X POST "http://localhost:8000/v1/completions" \ -H "Content-Type: application/json" \ --data '{ "model": "MatUserMTV/I.Good-1.2-coder", "prompt": "Once upon a time,", "max_tokens": 512, "temperature": 0.5 }'Use Docker
docker model run hf.co/MatUserMTV/I.Good-1.2-coder
- Ollama
How to use MatUserMTV/I.Good-1.2-coder with Ollama:
ollama run hf.co/MatUserMTV/I.Good-1.2-coder
- Unsloth Desktop
- Docker Model Runner
How to use MatUserMTV/I.Good-1.2-coder with Docker Model Runner:
docker model run hf.co/MatUserMTV/I.Good-1.2-coder
- Lemonade
How to use MatUserMTV/I.Good-1.2-coder with Lemonade:
Pull the model
# Download Lemonade from https://lemonade-server.ai/ lemonade pull MatUserMTV/I.Good-1.2-coder
Run and chat with the model
lemonade run user.I.Good-1.2-coder-{{QUANT_TAG}}List all available models
lemonade list
- Atomic Chat
Update README.md
Browse files
README.md
CHANGED
|
@@ -1,3 +1,4 @@
|
|
|
|
|
| 1 |
---
|
| 2 |
language:
|
| 3 |
- ru
|
|
@@ -39,60 +40,56 @@ pipeline_tag: text-generation
|
|
| 39 |
<label><input type="time="Сырой HTML</p>Стки не отлинарный текту:</label>
|
| 40 |
<input type="Содержимое</p>
|
| 41 |
<span itemprop="Пеблямогресладка: <label="Кон:</p>
|
| 42 |
-
|
| 43 |
-
|
| 44 |
-
Запрос: <|user|>Напиши HTML страницу с тегами h1, p<|assistant|><!DOCTYPE html><html><body>
|
| 45 |
-
Ответ модели:
|
| 46 |
|
| 47 |
-
html
|
|
|
|
|
|
|
| 48 |
<h4 class="hint">
|
| 49 |
<h2>This isFari
|
| 50 |
<div class="world-modal">
|
| 51 |
<p>
|
| 52 |
<h3 id="card">
|
| 53 |
-
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 54 |
|
| 55 |
-
🏗️ Архитектура и обучение
|
| 56 |
-
Параметр Значение
|
| 57 |
-
Параметров 8,946,432
|
| 58 |
-
Слоёв (n_layer) 6
|
| 59 |
-
Голов внимания 8
|
| 60 |
-
Размер hidden 320
|
| 61 |
-
Контекст 512 токенов
|
| 62 |
-
Токенизатор BPE, 4096 токенов
|
| 63 |
-
Train Loss (финал) 0.86
|
| 64 |
-
Железо Intel Xeon E5-2690 v4 (без GPU)
|
| 65 |
-
Время ~1 час
|
| 66 |
-
Данные 400 КБ чистого HTML + 86 КБ JS (Tycoon)
|
| 67 |
-
🧠 Почему она так делает? (Catastrophic Forgetting)
|
| 68 |
В процессе обучения модель столкнулась с двумя датасетами:
|
| 69 |
-
|
| 70 |
-
|
| 71 |
-
|
| 72 |
-
|
| 73 |
-
|
| 74 |
-
|
| 75 |
-
|
| 76 |
-
|
| 77 |
-
|
| 78 |
-
|
| 79 |
-
|
| 80 |
-
|
| 81 |
-
|
| 82 |
-
|
| 83 |
-
|
| 84 |
-
|
| 85 |
-
|
| 86 |
-
|
| 87 |
-
|
| 88 |
-
|
| 89 |
-
|
| 90 |
-
|
| 91 |
-
Temperature: 0.1 – 0.2 (чтобы код был строгим).
|
| 92 |
-
|
| 93 |
-
Stop Sequences: <|user|>, <|endoftext|>
|
| 94 |
-
|
| 95 |
-
Промпт для теста:
|
| 96 |
-
|
| 97 |
-
text
|
| 98 |
-
<|user|>Напиши HTML страницу с тегами h1, p<|assistant|><!DOCTYPE html><html><body>
|
|
|
|
| 1 |
+
|
| 2 |
---
|
| 3 |
language:
|
| 4 |
- ru
|
|
|
|
| 40 |
<label><input type="time="Сырой HTML</p>Стки не отлинарный текту:</label>
|
| 41 |
<input type="Содержимое</p>
|
| 42 |
<span itemprop="Пеблямогресладка: <label="Кон:</p>
|
| 43 |
+
```
|
| 44 |
+
*Да, это бред. Но обратите внимание: она знает теги `<label>`, `<input>`, `<span>` и атрибуты `type="...">`.*
|
|
|
|
|
|
|
| 45 |
|
| 46 |
+
**Запрос:** `<|user|>Напиши HTML страницу с тегами h1, p<|assistant|><!DOCTYPE html><html><body>`
|
| 47 |
+
**Ответ модели:**
|
| 48 |
+
```html
|
| 49 |
<h4 class="hint">
|
| 50 |
<h2>This isFari
|
| 51 |
<div class="world-modal">
|
| 52 |
<p>
|
| 53 |
<h3 id="card">
|
| 54 |
+
```
|
| 55 |
+
*Здесь видно, что она выучила структуру, помнит классы (`world-modal`, `hint`) и вкладывает теги.*
|
| 56 |
+
|
| 57 |
+
## 🏗️ Архитектура и обучение
|
| 58 |
+
|
| 59 |
+
| Параметр | Значение |
|
| 60 |
+
|---|---|
|
| 61 |
+
| **Параметров** | 8,946,432 |
|
| 62 |
+
| **Слоёв (n_layer)** | 6 |
|
| 63 |
+
| **Голов внимания** | 8 |
|
| 64 |
+
| **Размер hidden** | 320 |
|
| 65 |
+
| **Контекст** | 512 токенов |
|
| 66 |
+
| **Токенизатор** | BPE, 4096 токенов |
|
| 67 |
+
| **Train Loss (финал)** | **0.86** |
|
| 68 |
+
| **Железо** | Intel Xeon E5-2690 v4 (без GPU) |
|
| 69 |
+
| **Время** | ~1 час |
|
| 70 |
+
| **Данные** | 400 КБ чистого HTML + 86 КБ JS (Tycoon) |
|
| 71 |
+
|
| 72 |
+
## 🧠 Почему она так делает? (Catastrophic Forgetting)
|
| 73 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 74 |
В процессе обучения модель столкнулась с двумя датасетами:
|
| 75 |
+
1. **Чистый HTML** (400 КБ) — простые страницы с `<div>`, `<h1>`, `<p>`.
|
| 76 |
+
2. **AI Tycoon** (86 КБ) — сложный JS-код с регулярными выражениями (regex) и математикой.
|
| 77 |
+
|
| 78 |
+
Из-за того, что модель **слишком маленькая** (8.9M), она не смогла разделить эти два домена. В результате:
|
| 79 |
+
* Если вы просите HTML — она выдает теги, но часто забывает их закрыть.
|
| 80 |
+
* Если вы просите JS — она выдает куски регулярных выражений (regex) из Tycoon.
|
| 81 |
+
* **Loss 0.86** означает, что модель почти зазубрила датасет, но из-за нехватки параметров путается в логике.
|
| 82 |
+
|
| 83 |
+
## 🛠️ Как использовать (KoboldCPP)
|
| 84 |
+
|
| 85 |
+
Из-за того, что модель обучена на специфическом формате, **важно использовать "затравку" (priming)**:
|
| 86 |
+
|
| 87 |
+
1. Скачайте `model.gguf`.
|
| 88 |
+
2. Запустите в KoboldCPP.
|
| 89 |
+
3. **Context Size:** 512
|
| 90 |
+
4. **Temperature:** 0.1 – 0.2 (чтобы код был строгим).
|
| 91 |
+
5. **Stop Sequences:** `<|user|>`, `<|endoftext|>`
|
| 92 |
+
6. **Промпт для теста:**
|
| 93 |
+
```text
|
| 94 |
+
<|user|>Напиши HTML страницу с тегами h1, p<|assistant|><!DOCTYPE html><html><body>
|
| 95 |
+
```
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|