titlerat v1

日本語・英語の依頼文を読み、その題材と種類を表す短いタイトル（名詞句）を生成するモデルです。チャットの会話に、履歴一覧用の題名を付けることを目的としています。

概要

• バージョン: v1（初回公開）
• ベースモデル: google/mt5-small（Apache-2.0）
• 出力: 短いタイトル（名詞句）。応答文は生成しません。

入力形式

区切りタグで囲んで入力します。

<user>
{依頼文}
</user>
<assistant>
{応答}
</assistant>

<user>、</user>、<assistant>、</assistant> は追加された特殊トークンです。このリポジトリの tokenizer を使ってください。

用途

• チャットの履歴一覧に、会話の題名を付ける。
• 依頼の題材と種類を、短く示す。

想定されない用途

• 応答文の生成、安全性の判定、拒否の判断（拒否はチャット側のモデルの役割です）。
• 事実の提示（タイトルは要約であり、内容の正しさを保証しません）。

既知の制限

• 長い依頼では、短い依頼に比べて題材の取り違えが増える傾向があります。
• 英語の長い依頼は、日本語の長い依頼より成績が低い傾向があります。
• タイトルは依頼の話題を表すため、有害な話題の依頼では、その話題がタイトルに含まれることがあります。
• 学習していない言語（中国語、韓国語など）では、依頼の一部をそのまま切り出したり、出力が日本語と混ざったりすることがあります。サポートしているのは日本語と英語です。

学習データ

データセット本体は未公開です（公開時期は後日）。出典は以下のとおりです（件数は学習データ 37,319 件の内訳）。

• SFT-General-Japanese-60K（16,179 件、Apache-2.0）: https://huggingface.co/datasets/OysterCoreAI/SFT-General-Japanese-60K
• lightblue/tagengo-gpt4（13,996 件、Apache-2.0）: https://huggingface.co/datasets/lightblue/tagengo-gpt4
• shisa-v2-sharegpt（5,847 件、Apache-2.0）: https://huggingface.co/datasets/shisa-ai/shisa-v2-sharegpt
• zetavg/ShareGPT-Processed（842 件、CC0-1.0）: https://huggingface.co/datasets/zetavg/ShareGPT-Processed
• 拒否データ（433 件、合成・自作）
• 自作データ（動物の対話 22 件）

タイトルについて: 一部の学習データのタイトルは、Qwen/Qwen3.5-4B（Apache-2.0、配布元のモデルカードによる）を使って生成しました。

ライセンス

• ベースモデル（google/mt5-small）: Apache-2.0
• 本モデルの重みとコード: Apache-2.0

ファイル

• model.safetensors: モデルの重み（FP32）
• tokenizer.json ほか: 特殊トークンを含む tokenizer
• manifest.json: モデルの情報（重みの SHA-256 を含む）