/ Модель

Характеристики

Контекст
512 токенов
Лицензия
Apache 2.0
Архитектура
gpt2 · dense
Библиотека
transformers
Опубликована
16 авг 2026

Ntahokaja-0.31-Base

Генерация текстаТекст → текст3 профессии

Компактная базовая GPT-2-модель, обученная с нуля для продолжения текста на кирунди и последующего дообучения.

101скачиваний за 30 дней1лайквеса обновлены16 авг 2026

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

Ntahokaja 0.31 Base — базовая языковая модель, разработанная Nyehashi AI и обученная с нуля специально для языка кирунди. Это компактная плотная Transformer-модель архитектуры GPT-2 с 91,2 млн параметров, 12 слоями и 12 головами внимания; она использует морфологический BPE-токенизатор, рассчитанный на агглютинативную грамматику банту, и контекст до 512 токенов. Модель предназначена для продолжения текста, лингвистических исследований и дообучения под инструкции. В карточке отмечены знания о географии и политической истории Бурунди, а также склонность отводить вредоносные запросы к темам общественного уважения и конституционного права.

Это базовая модель, а не готовый разговорный помощник: она не дообучена для ответов на вопросы, поэтому качество диалога и следования инструкциям не заявлено. Для загрузки с пользовательским токенизатором README указывает необходимость включить trust_remote_code=True. Веса доступны в формате Safetensors; лицензия — Apache-2.0.

Сценарии применения

  • продолжение текстов на кирунди
  • лингвистические исследования кирунди
  • изучение морфологии и токенизации кирунди
  • дообучение базовой модели для следования инструкциям на кирунди

Ограничения

Модель не является разговорным помощником и не дообучена для ответов на вопросы или следования инструкциям. Контекст ограничен 512 токенами; для загрузки пользовательского токенизатора README требует trust_remote_code=True.

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

Technical Report: Ntahokaja 0.31 (Base)

Ntahokaja 0.31 is the first sovereign Small Language Model (SLM) trained from scratch specifically for the Kirundi language. Developed by Nyehashi AI, it features a custom morphological tokenizer designed to respect Bantu grammar and agglutinative logic.

Quick Start (Usage)

This model requires custom tokenization logic. You must use trust_remote_code=True to load it correctly.

from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "Nyehashai/Ntahokaja-0.31-Base" 

tokenizer = AutoTokenizer.from_pretrained(model_id, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(model_id)

prompt = "Amategeko yu'Burundi avuga ko "
inputs = tokenizer(prompt, return_tensors="pt")
outputs = model.generate(**inputs, max_length=100, do_sample=True, temperature=0.7)

print(tokenizer.decode(outputs[0]))

Section 1 — Executive Summary & Architecture

Ntahokaja 0.31 is a 91,209,216-parameter Transformer-based language model. Unlike general models, it uses a Hybrid Morphological-BPE strategy. This version resolves the "word-boundary collapse" by using an explicit @@ sub-word joiner and ByteLevel space protection. Layers: 12 Attention Heads: 12 Context Window: 512 tokens Size: 347.9 MB (Safetensors)

Section 2 — Performance

Metric Value Validation Loss 3.24 (Optimal) Training Loss 1.26 Vocabulary Size 7,500 tokens Data Volume 18.1M tokens

Section 3 — Behavioral Observations

The model demonstrates high-fidelity knowledge of Burundian geography (identifying provinces like Makamba, Kirundo, etc.) and political history. Notably, the model exhibits Implicit Moral Alignment, pivoting away from harmful or violent prompts toward themes of social respect and constitutional law.

Section 4 — Intended Use & Limitations

This is a Foundational Base Model. It is designed for text continuation, linguistic research, and as a base for instruction fine-tuning. It is NOT a conversational assistant and has not been fine-tuned for QA yet.

Citation and Attribution

If you use this model, please attribute the work to Nyehashi AI:

Lead Engineer: Ishimwe Lilas

Additive Current Data : Iradukunda Cherina, Itegineza Alvin

Economic Advisory: Igiraneza Charine

Organization: Nyehashi AI (Burundi)

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
GPT2LMHeadModel
Ревизия весов
8aa7967

0 моделей