/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Размер весов
15,2 ГБ
Архитектура
qwen2 · dense
Базовая модель
Qwen2.5-7B-Instruct
Библиотека
transformers
Опубликована
2 окт 2025

Qwen2.5-7B-Instruct-darija

Генерация текстаТекст → текст6 профессий

Инструктивная модель Qwen2.5 на 7,1 млрд параметров, дообученная GemMaroc для диалогов и генерации текста на марокканском арабском языке и английском.

149скачиваний за 30 дней1лайквеса обновлены3 окт 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/Qwen2.5-7B-Instruct-darija — инструктивная языковая модель на архитектуре Qwen2.5, дообученная командой GemMaroc для генерации текста на марокканском арабском языке (Darija). Модель содержит 7,1 млрд параметров, использует архитектуру decoder-only Transformer и поддерживает контекст до 32 768 токенов. Она основана на Qwen/Qwen2.5-7B-Instruct и обучена на наборе инструкций GemMaroc/TULU-3-50k-darija-english; опубликованные веса представлены в формате safetensors.

Модель предназначена для диалогов, ответов на инструкции, рассуждений и генерации текста на Darija, а также для работы с английским в двуязычных сценариях. Разработчик приводит оценки на бенчмарках для Darija и английского; результаты различаются по задачам, а улучшения на одном языке или показателе не гарантируют качества в других сценариях.

Среди ограничений — более слабые результаты в анализе тональности и абстрактивном суммировании, чем у современных специализированных моделей, а редкие варианты написания Darija могут дробиться токенизатором. Модель может наследовать социальные предубеждения предобучающих данных и не имеет дополнительного выравнивания безопасности RLHF/RLAIF, поэтому для прикладного развёртывания разработчик рекомендует модерацию. Условия лицензии в предоставленных данных не указаны.

Сценарии применения

  • диалоговый ассистент на марокканском арабском
  • ответы на инструкции и вопросы на Darija
  • генерация рассуждений и решений задач на Darija
  • двуязычное общение на Darija и английском
  • суммирование текстов на Darija

Ограничения

Результаты в анализе тональности и абстрактивном суммировании уступают современным специализированным моделям, а редкие написания Darija могут фрагментироваться токенизатором. Модель может наследовать предубеждения обучающих данных и не прошла дополнительное выравнивание безопасности RLHF/RLAIF.

Для каких профессий подходит6

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Model Card for Qwen2.5-7B-Instruct-darija

Qwen2.5-7B-Instruct-darija

Unlocking Moroccan Darija proficiency in a compact and efficient large language model, trained with a minimal-data, green-AI recipe that preserves Qwen2.5-7B-Instruct's strong reasoning abilities while adding fluent Darija generation.


Model at a glance

ParameterValue
Model IDGemMaroc/Qwen2.5-7B-Instruct-darija
Base modelQwen/Qwen2.5-7B-Instruct
ArchitectureDecoder-only Transformer (Qwen2.5)
Parameters7 billion
Context length32,768 tokens
Training regimeSupervised fine-tuning (LoRA → merged) on 50K high-quality Darija/English instructions TULU-50K slice
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 Qwen2.5-7B-Instruct-darija achieves competitive Darija scores using minimal energy.
  • Efficiency 7B parameters provide excellent performance-to-size ratio for resource-constrained environments.

Benchmark summary

Darija Benchmarks

ModelDarija MMLUDarija HellaSwagSentiment AnalysisGSM8K DarijaSummarization (chrF)ROUGE-1ROUGE-LBERTScore
Qwen2.5-7B-Instruct44.9 %38.5 %63.6 %43.9 %26.59.49.136.7
Qwen2.5-7B-Instruct-darija52.7 %45.5 %60.4 %69.8 %27.48.28.039.0

English Benchmarks

ModelMMLUTruthfulQAHellaSwagGSM8K @5GSM8K Gen
Qwen2.5-7B-Instruct68.7 %63.1 %65.4 %75.8 %90.1 %
Qwen2.5-7B-Instruct-darija70.0 %53.6 %73.9 %74.6 %87.2 %

Zero-shot accuracy; full table in the paper.


Quick start

from transformers import AutoModelForCausalLM, AutoTokenizer, pipeline

model_id = "GemMaroc/Qwen2.5-7B-Instruct-darija"

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 (Qwen2.5 format)

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

<|im_start|>user
{user message}<|im_end|>
<|im_start|>assistant

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

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 (qwen2.5-7b-darija-awq-int4, qwen2.5-7b-darija-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 32,768.
  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 Qwen2.5-7B-Instruct-darija 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
Qwen2ForCausalLM
Ревизия весов
5b41c3e

0 моделей