🧬 Η Ταυτότητα του Μοντέλου
Αυτό δεν είναι ένα προ-εκπαιδευμένο μοντέλο με fine-tuning. Πρόκειται για ένα Ελληνικό AI με Custom Αρχιτεκτονική Νευρωνικών Δικτύων (βασισμένη στη φιλοσοφία του byT5 της Google Research), όπου επανασχεδιάσαμε τη δομή για να επιτύχουμε τη μέγιστη βελτιστοποίηση αποκλειστικά για την Ελληνική γλώσσα του διαδικτύου.
🧠 Custom Neural Architecture
Η καινοτομία εντοπίζεται στο "στήσιμο" του νευρωνικού δικτύου, εγκαταλείποντας την πεπατημένη:
1. Custom Layering: Ορισμός των Encoder/Decoder Layers για μέγιστη απόδοση χωρίς περιττό υπολογιστικό κόστος.
2. Attention Heads: Ορισμός κεφαλών προσοχής για ακριβέστερη εστίαση σε μοτίβα λαθών και φωνητικές ιδιαιτερότητες.
3. Neuron Density: Ορισμός νευρώνων (Hidden Size / Feed Forward Layers) για την απόλυτη ισορροπία μεταξύ ταχύτητας και ακρίβειας.
Γρήγορο μοντέλο είναι το σίγουρο μοντέλο.
🚀 Δυνατότητες Μοντέλου
Το μοντέλο λειτουργεί ως ένας Διορθωτής Deep Learning με δυνατότητες που ξεπερνούν τους παραδοσιακούς κανόνες:
1. Greeklish & Phonetic Correction: Μετατροπή ακόμη και των πιο ανορθόδοξων Greeklish σε αυθεντικά Ελληνικά (π.χ. "pragmatophhsooume" -> "πραγματοποιήσουμε").
2. Fat-Finger & Typo (Ελληνικά & Αγγλικά): Διόρθωση λαθών γειτονικών πλήκτρων και τυχαίων πατημάτων (π.χ. "περνούσςν" -> "περνούσαν").
3. Layout Detection (Αγγλικά): Αυτόματη ανίχνευση και διόρθωση λανθασμένης γλώσσας πληκτρολογίου (π.χ. "μερψεδες" -> "mercedes").
4. Morphological Restoration (Ελληνικά & Αγγλικά): Αναδόμηση της ορθογραφίας της λέξης βάσει μορφολογίας, ανεξάρτητα από το συντακτικό (π.χ. "πολυάρηθμα" -> "πολυάριθμα").
🔮 Master Model Roadmap (Phase 2)
Η εξέλιξη του μοντέλου στοχεύει στη δημιουργία του πλέον εξειδικευμένου εργαλείου για E-commerce Search Engines και Data Cleaning:
• Ecosystem Strategy: Δημιουργία οικοσυστήματος μικρότερων, εξειδικευμένων μοντέλων (Distilled Models) που προκύπτουν από το Master Model, ώστε κάθε ειδικότητα να έχει πάντα τη μέγιστη ταχύτητα.
• Massive Scale: Επέκταση του λεξιλογίου σε 450.000 μοναδικές λέξεις (Ελληνικά & Αγγλικά).
• Hyper-Training: Εκπαίδευση σε 50.000.000+ παραλλαγές δεδομένων.
Entity Recognition Capabilities:
📧 Emails: Διόρθωση typos σε διευθύνσεις (π.χ. @gmil.com -> @gmail.com).
📦 SKUs: Αναγνώριση κωδικών προϊόντων.
🗣️ Slang & Argo: Κατανόηση καθημερινής γλώσσας και ιδιωματισμών.
🔢 Alphanumerics: Διαχείριση αριθμών, ημερομηνιών και κωδικών.
📊 Training Metrics & Performance | Project Μαναράκι (V3)
Η εκπαίδευση του μοντέλου ολοκληρώθηκε σε 7.500 βήματα (1 Epoch). Όπως φαίνεται από τα logs, το μοντέλο πέτυχε Validation Loss < 0.06, αποδεικνύοντας την ικανότητά του να αντιλαμβάνεται και να διορθώνει σύνθετα μοτίβα θορύβου (Noise Patterns), αποφεύγοντας το φαινόμενο του Overfitting.
Διαφάνεια: Κατεβάστε το πλήρες αρχείο logs με 2.000+ πραγματικά παραδείγματα δοκιμών.
📄 Κατέβασε τα αποτελέσματα (TXT)