Downloads · 30 days
19
6% of all-time downloads
Finisha-LLM/Charlotte-chat-emerge
Charlotte-chat-emerge is a text generation model from Finisha-LLM. Use it when you need the model to write or continue text. It is set up for transformers. The card lists the license as other.
Downloads · 30 days
19
6% of all-time downloads
All-time downloads
315
Public
Parameters
51M
204 MB on disk
Likes
0
Public
Click a slice to open those files.
.safetensors204 MB · 98%
From the Hugging Face model README

| Caractéristique | Valeur | Note |
|---|---|---|
| Nom du Modèle | Charlotte-Chat-Emerge | Première version d'alignement pour le dialogue. |
| Architecture de Base | Charlotte-Amity (Classe 5) | $100%$ Cohérence Syntaxe validée par le Testing de Baba. |
| Méthode d'Alignement | Supervised Fine-Tuning (SFT) | Alignement ciblé pour le comportement de chatbot. |
| Objectif Principal | Démontrer l'émergence conversationnelle pour les salutations et l'identité. | |
| Développeur | Clemylia |
Ce modèle marque une étape fondamentale dans l'écosystème Clemylia, faisant passer l'architecture Charlotte d'un simple générateur de texte à un agent conversationnel proactif.
Charlotte-Chat-Emerge est conçu pour valider la capacité de généralisation de l'architecture Charlotte à partir d'un dataset SFT minimal.
| Comportement Émergent | Explication | Preuve du Test |
|---|---|---|
| Salutation Proactive | Le modèle comprend l'intention de salutation/vérification de bien-être et y répond par une offre d'aide. | Répond à tu vas bien ? par Bonjour ! Comment puis-je t'aider ? |
| Reconnaissance de l'Identité | Le modèle interprète la question (même informelle) sur son identité et répond par son nom, en fusionnant ce fait avec son rôle d'assistant. | Répond à Tes qui par Je m'appelle Charlotte doit-je t'aider ? |
| Généralisation SFT | Le modèle généralise les comportements appris sur seulement deux exemples de conversation pour une variété d'entrées. | Confirme la robustesse du noyau linguistique (Classe 5) pour l'alignement. |
Ce prototype confirme que la phase suivante pour l'architecture Charlotte doit être le RLHF (Reinforcement Learning from Human Feedback) sur un dataset beaucoup plus large pour atteindre la fluidité et la fiabilité d'un chatbot de production (comme Malya).
Prochaine Étape : L'objectif est d'augmenter le dataset SFT à des milliers d'exemples pour stabiliser tous les comportements conversationnels, avant de passer à l'optimisation par feedback humain.
Charlotte-chat-emerge Était le Proto-charlotte-amity