/ Модель

Характеристики

Размер весов
54,9 ГБ
Архитектура
gemma3 · dense
Базовая модель
gemma-3-27b-it
Библиотека
transformers
Опубликована
18 мая 2025

GemMaroc-27b-it

Генерация текстаТекст → текст3 профессии

Дообученная на инструкциях Gemma 3 для диалогов и генерации текста на марокканском арабском Darija с поддержкой английского.

86скачиваний за 30 дней3лайкавеса обновлены18 июн 2025

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

GemMaroc-27B — модель Abderrahman Skiredj, созданная дообучением Gemma 3 для диалогов и генерации текста на марокканском арабском (Darija). Это плотный decoder-only Transformer на базе google/gemma-3-27b-it; LoRA-обучение проводилось на наборе из 50 тысяч инструкций TULU, после чего адаптер объединили с базовыми весами. Модель поддерживает арабский и английский языки и рассчитана прежде всего на Darija, сохраняя способности базовой модели к рассуждению и межъязыковому взаимодействию.

Подходит для диалоговых помощников, ответов на вопросы и генерации текстов на Darija, а также для сценариев, где требуется переключение между Darija и английским. Контекст обучения составлял 2048 токенов. Репозиторий содержит веса safetensors; для базовой Gemma 3 предусмотрена обработка изображений, однако карточка GemMaroc описывает дообучение и заявленные возможности преимущественно для текста. Лицензия в предоставленных данных не указана. По README, модель слабее передовых систем в анализе тональности и абстрактивном суммировании, редкие написания Darija могут дробиться токенизатором, а отсутствие RLHF/RLAIF означает необходимость отдельного слоя модерации при использовании в производстве.

Сценарии применения

  • диалоговый помощник на марокканском арабском
  • ответы на вопросы на Darija
  • генерация инструкций и текстов на Darija
  • двуязычные диалоги на Darija и английском

Ограничения

Модель уступает передовым системам в анализе тональности и абстрактивном суммировании; редкие написания Darija могут дробиться токенизатором. В модели нет RLHF/RLAIF-выравнивания безопасности, а также могут сохраняться смещения обучающих данных.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model Card for Model ID

GemMaroc‑27B

Unlocking Moroccan Darija proficiency in a state‑of‑the‑art large language model, trained with a minimal‑data, green‑AI recipe that preserves Gemma‑27B’s strong reasoning abilities while adding fluent Darija generation.


Model at a glance

Details
Model IDAbderrahmanSkiredj1/GemMaroc-27b-it
Base modelgoogle/gemma-3-27b
ArchitectureDecoder‑only Transformer (Gemma 3)
Parameters27 billion
Context length2 048 tokens
Training regimeSupervised fine‑tuning (LoRA → merged) on 50 K high‑quality Darija/English instructions TULU‑50K slice
Compute budget48 GPU·h (8 × H100‑80GB × 6 h) – ≈ 26 kWh / 10 kg CO₂e
LicenseApache 2.0

Why another Darija model?

  • Inclusive AI > 36 million speakers of Moroccan Arabic remain underserved by open LLMs.
  • Quality‑over‑quantity A carefully curated 50 K instruction set surfaces Darija competence without sacrificing cross‑lingual reasoning.
  • Green AI GemMaroc achieves Atlas‑Chat‑level Darija scores using < 2 % of the energy.

Benchmark summary

ModelDarija MMLUDarija HellaSwagGSM8K @5HellaSwag (EN)
Atlas‑Chat‑27B61.9 %48.4 %82.0 %77.8 %
GemMaroc‑27B61.6 %60.5 %84.2 %79.3 %

Zero‑shot accuracy; full table in the paper.


Quick start

from transformers import AutoModelForCausalLM, AutoTokenizer, pipeline

model_id = "AbderrahmanSkiredj1/GemMaroc-27b-it"

tokenizer = AutoTokenizer.from_pretrained(model_id)
model     = AutoModelForCausalLM.from_pretrained(
    model_id,
    torch_dtype="auto",
    device_map="auto"
)

pipe = pipeline(
    "text-generation",
    model=model,
    tokenizer=tokenizer,
    device_map="auto",
    max_new_tokens=1024,
    temperature=0.7,
    repetition_penalty=1.2,
    no_repeat_ngram_size=3,
)

messages = [
    {"role": "user", "content": "شنو هي نظرية ‘butterfly effect’؟ فسّرها بدارجة ونقّط مثال بسيط."}
]

prompt = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
print(pipe(prompt)[0]["generated_text"][len(prompt):])

Chat template (Gemma 3 format)

The tokenizer provides a baked‑in Jinja template that starts with a begin‑of‑sequence token (<bos>), then alternates user/model turns, each wrapped by <start_of_turn> … <end_of_turn> markers. When you set add_generation_prompt=True it ends after the opening model tag so the model can continue:

<bos><start_of_turn>user
{user message}<end_of_turn>
<start_of_turn>model

The assistant will keep generating tokens until it decides to emit <end_of_turn>.

prompt = tokenizer.apply_chat_template(messages, add_generation_prompt=True, tokenize=False)

No manual token juggling required—the call above handles BOS, turn delimiters, and newline placement automatically.


Pre‑quantised checkpoints will be published under the same repo tags (gemmaroc‑27b‑awq‑int4, gemmaroc‑27b‑gguf‑q4_k_m).


Training recipe (one‑paragraph recap)

  1. Data Translate a 44 K reasoning slice of TULU 50K into Darija, keeping 20 % English for cross‑lingual robustness.
  2. LoRA SFT Rank 16, α = 32, 3 epochs, bf16, context 2 048.
  3. Merge & push Merge LoRA into base weights (peft.merge_and_unload), convert to safetensors, upload.

Limitations & ethical considerations

  • Sentiment and abstractive summarisation still trail state‑of‑the‑art.
  • Tokeniser is unchanged; rare Darija spellings may fragment.
  • Model may inherit societal biases present in pre‑training data.
  • No RLHF / RLAIF safety alignment yet – apply a moderation layer in production.

Citation

If you use GemMaroc in your work, please cite:

@misc{skiredj2025gemmarocunlockingdarijaproficiency,
      title={GemMaroc: Unlocking Darija Proficiency in LLMs with Minimal Data}, 
      author={Abderrahman Skiredj and Ferdaous Azhari and Houdaifa Atou and Nouamane Tazi and Ismail Berrada},
      year={2025},
      eprint={2505.17082},
      archivePrefix={arXiv},
      primaryClass={cs.CL},
      url={https://arxiv.org/abs/2505.17082}, 
}


Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Gemma3ForConditionalGeneration
Ревизия весов
e65cf2d

0 моделей