开源代码 · 量子灵感 · 小型模型

一个拥有许多潜在后续词汇的小型模型。

直接在浏览器中生成新的捷克语文本。外语输入将在处理前转换为捷克语。

01 · 教导它

训练文本

已就绪

小型模型学习的示例

0 slov 更多示例将创建更多模式。

生成语言层解码器根据学习到的模式构建新句子并监控词序。

活跃

内置捷克语词典捷克语单词和词性即使在语料库较短时也能扩展候选词。

已激活

捷克语输出过滤器N-gram、语义和 TensorFlow.js 可以建议候选词，但只有捷克语标记才能进入输出。

仅限捷克语

捷克语翻译网关首先进行本地翻译；新的角色扮演基础在学习和生成之前为自定义模型保留上下文。

新基础

TensorFlow.js 神经层正在准备本地下一个词预测…

已就绪

02 · 探索

生成新文本

开源

请先训练模型。

实时计算

二进制运算与量子启发干涉

等待中

二进制状态 00000000 8 位正在等待下一个 token

XOR 混合 0 上下文的二进制组合

振幅 0.00 干涉尚未运行

语义 0 % 主题等待提示

由 8 位模拟的量子状态0 / 0

候选者干涉已归一化

计算将在生成时显示。

03 · 选择

尚未生成任何文本。

结果将显示在此处。

请在本地训练模型并运行生成。

工作原理

语义上下文与量子启发。

可控的 JavaScript

编码

本地索引查找与您的提示词相似的句子和主题。

连接

相关意义、词汇模式和多个上下文合并为振幅。

选择

由强度加权的样本逐个选择下一个标记。

语义语法

保持意义完整的法则。

规则在本地运行

主题

每个候选词都会与提示词的概念和相关句子进行比较。

陈述

句子仅在有足够的上下文、概念和动作后才结束。

关系

连词、介词和词性获得连贯性，而不是随机词。

内存

模型惩罚重复并保持提示词的概念锚点在后续文本中。

本地内存

Genesis – 量子文本模型