Update README.md

README.md

@@ -10,9 +10,12 @@ tags:
 
 ## CharGPT-96M
 
-Крошечная языковая модель с **посимвольной** токенизацией для всевозможных экспериментов, когда задача решается плохо из-за BPE токенизации на слова и их части.
+Это крошечная языковая модель с **посимвольной** токенизацией для всевозможных экспериментов, когда задача решается плохо из-за BPE токенизации на слова и их части:
 
-К примеру, если вы хотите делать детектор орфографии, или модельку для фонетическую транскрипцию и т.д., данная модель с посимвольной токенизацией может оказаться предпочтительнее, чем обычные GPT.
+1) генеративные спеллчекеры
+2) классификация текста: замена ```TfidfVectorizer(analyzer='char')```, т.е. когда хорошо сработал бейзлайн на символьных n-граммах
+3) транскрипция текста
+4) детекция орфографических ошибок, опечаток
 
 Размер модели - **96 миллионов** параметров.
 
@@ -22,7 +25,7 @@ tags:
 Поэтому корпус претрейна содержал значительное количество текстов поэтического формата.
 Это может повлиять на ваши downstream задачи.
 
-Объем корпуса претрейна - около 30B токенов.
+Объем корпуса претрейна - около **30B** токенов, тексты только на русском языке.
 
 Кривая loss_val: ![pretrain_loss_val](pretrain_loss_val.png)
 
@@ -69,3 +72,6 @@ for o in output_sequences:
     print(text)
     print('-'*80)
 ```
+
+Также, будут работать все прочие инструменты для GPT моделей, например transformers.GPT2ForSequenceClassification.
+