HyperStyler

HyperStyler — модель переноса авторского стиля (authorship style transfer), обученная на Reddit (MUD) и основанная на google/t5-v1_1-large (~0,87B параметров). Она переписывает английский текст в стиле целевого автора по нескольким примерам, сохраняя исходный смысл; описана в статье EMNLP 2026.

⚙ Ключевые особенности

• 🔄 Low-resource: для переноса стиля достаточно нескольких текстов целевого автора.
• ⚙ Две стадии: Stylo-navigator выбирает стилевые координаты по контексту источника и примерам, Stylo-hypernet реализует их через динамическую модуляцию параметров.
• ⚡ Эффективность: всего +2,4% параметров к T5-large и более чем в 1,8× быстрее LLM на инференсе.
• 🌐 Данные: обучение на Reddit (MUD), язык — английский; возможны грубые и оскорбительные выражения.
• 🖥 Запуск: через transformers с trust_remote_code=True; в примере используется CUDA.

💬 Пример

from transformers import AutoModel

model = AutoModel.from_pretrained('JKSHINPG/HyperStyler', trust_remote_code=True).to('cuda')

source = 'I really think we should leave early tomorrow to avoid traffic.'
target_texts = ['honestly idk why ppl still use that app', 'ok fair point but its still overpriced imo']
print(model.transfer(source, target_texts))

Подробнее

В статье сообщается, что HyperStyler стабильно превосходит прежние методы, включая подходы на LLM, на Reddit, Blog и News.
Прирост к T5-large — всего 2,4% дополнительных параметров, инференс более чем в 1,8× быстрее LLM.
Ограничения: английский язык и Reddit-данные с возможной токсичной лексикой; точные требования к VRAM в карточке не указаны.