lstm纠正错别字模型。

未来可能会扩展其他错别字。

不是预训练模型，从零开始的，用了2000多条文本数据，模型比较小，所以在手机上训练也很快。未来随着数据增多会扩大。

你这种需求，直接用最小的开源的大模型就可以了。0.6B 的就可以。

其实也是我对训练模型感兴趣哈哈哈，所以没想找开源的，谢谢大家的建议。

回应一下大家说的小模型训练，大家说的都有道理，但我觉得不太可行。因为生成式模型终究不能检查每一个关键字，而且生成的时候还是一个字一个字的蹦出来。没有办法做到瞬间就检查所有字而且还把修改后的全文发我。
判别式模型把每一个修改的地方都写出来，然后再把改后的完整小说贴出来，整个过程也就1秒。语言模型没办法比。而且我之前也试过大模型改错别字，缺点就是慢，而且会漏字，我才转而自己训练的。

纽币！！！！

放一个训练日志。
数据比较少，再加上任务比较简单，所以模型训练几轮就收敛了。

另外大家说的那个关于小模型微调的建议我也看了，确实效果很不错，但是要分段输入，而且时间比较长。
因为我写小说我犯的错误也就那么一两个，所以需要高度个人化。小模型的速度与性能不符合我的需求。另外也有漏字的可能。

表现得最好的一版，验证损失和准确率降到最低。

任务太局部了，换成gru。速度更快，且表现几乎一样

加入了门控机制和平滑，门控对损失贡献的权重是0.2左右，可以让模型还能学到该不该改。误改率降低，准确率提升。

利用无障碍功能创建了一个悬浮窗，点击按钮就可以把打出的字快速修改，响应速度在毫秒级。实用性加了不少。