/ Модель

Характеристики

Контекст
131 072 токена
Параметры
2,2 млрд
Архитектура
llama · dense
Базовая модель
MiniCPM5-2B
Библиотека
transformers
Опубликована
3 окт 2026

minicpm5-2b-nepali-agriculture

Генерация текстаТекст → текст

Донастроенная MiniCPM5-2B для генерации ответов на непальском языке по сельскохозяйственным, государственным и правовым инструкциям.

262скачиваний за 30 дней0лайковвеса обновлены3 окт 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

MiniCPM5-2B Nepali — Agriculture — текстовая модель генерации от aarajbhattarai, полученная полновесной донастройкой MiniCPM5-2B методом supervised fine-tuning на инструкциях на непальском языке. Модель имеет архитектуру LlamaForCausalLM, около 2,2 млрд параметров и контекст до 131 072 токенов; поддерживает диалоговый шаблон базовой модели.

Она предназначена для ответов на непальском языке по сельскому хозяйству, государственным услугам и правовым вопросам, а также для фактических вопросов о школах и учреждениях. Обучающий корпус преимущественно состоит из шаблонных справочных вопросов и ответов, поэтому модель лучше подходит для подобных запросов, чем для открытого диалога.

Проверка проводилась по потерям и точности токенов на данных, близких к обучающим; внешних оценок общего владения непальским языком нет. Точность оставшихся справочных фактов независимо не проверялась, а настройка безопасности и отказов не выполнялась. Модель текстовая, без поддержки OCR и изображений. Лицензия модели в предоставленных данных не указана; источники обучающих данных имеют различные разрешительные лицензии.

Сценарии применения

  • ответы на вопросы о сельском хозяйстве Непала
  • ответы на справочные вопросы о школах и учреждениях
  • помощь с непальскими государственными инструкциями
  • ответы на базовые вопросы о праве и государственных услугах
  • диалоговый ассистент для инструкций на непальском языке

Ограничения

Данные обучения преимущественно содержат шаблонные фактические ответы; факты в оставшемся корпусе независимо не проверены, а внешнего бенчмарка общего владения непальским языком нет. Не проводилась настройка безопасности и отказов; модель не поддерживает изображения и OCR.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

MiniCPM5-2B Nepali — Agriculture

Full-weight supervised fine-tune of openbmb/MiniCPM5-2B on Nepali instruction data. Phase directory on the Hub: /.

Generated 2026-10-03 10:54 UTC.

Base model

Baseopenbmb/MiniCPM5-2B
ArchitectureLlamaForCausalLM, 42 layers, hidden 2048, GQA (16 heads / 2 KV)
Training typefull-weight SFT (not LoRA)
Precisionbfloat16
Context length4096 tokens (native 131072; no scaling applied)

The base model is a thinking model: its chat template injects an empty <think></think> block before every assistant turn. Training reproduces that token sequence exactly, so the tuned model stays compatible with the stock template and with vLLM/SGLang/llama.cpp chat formatting.

Data

SplitRecords
train20,987
validation2,700
test2,609

Sources, both Nepali (Devanagari):

  • himalaya-ai/unified-sft-dataset — aggregated Nepali SFT; per-record upstream licences range over CC-BY-4.0 and other permissive terms (license_tier: permissive), carried in the source metadata.
  • aarajbhattarai/nepali-agri-gov-instruct — agriculture/government/law instructions with grounding, correctness and naturalness judge scores.

Cleaning

Records whose assistant turn contained an empty fact slot were dropped: templated school-directory answers such as

Himali Secondary School को सम्पर्क नम्बर हो। स्थापना मा भएको हो।

where the phone number and year are literally absent. Training on these teaches the model to assert facts it was never given, so they are removed rather than down-weighted — the sentence pattern is the label and there is no correct target to learn. This removed 13.75% of the raw training split (5,551 records).

Splits were verified to be disjoint: zero duplicate conversations within or across train/validation/test.

Hyperparameters

Epochs3
Learning rate8e-6 (cosine, 3% warmup)
Effective batch32 sequences (4 x 8 accumulation)
Max sequence length4096
Weight decay0.01
Grad clipping1.0
Lossassistant tokens only
OptimizerAdamW

max_length was chosen from the measured token distribution rather than a round number: at 4096 about 92% of all training tokens are retained (p95 = 3010 tokens for the broad split).

Batch size was set from a worst-case VRAM probe — a full batch of maximum-length sequences — not from an average batch. On this H100 NVL (95 GB) batch 4 x 4096 OOMs while batch 2 x 4096 peaks at 57.4 GB, so throughput is bought with gradient accumulation instead.

Metrics

metricvalue
epoch3.0000
eval_loss0.8771
eval_mean_token_accuracy0.7573
eval_num_tokens152072076.0000
eval_runtime70.2091
eval_samples_per_second17.2060
eval_steps_per_second4.3010

Checkpointing and retention

Checkpoints are saved every 250 steps and at each epoch end, and uploaded to the Hub from a background thread (training never blocks on, or fails from, an upload).

Each checkpoint contains model weights, trainer state, RNG state and the exact config. Optimizer and scheduler state are kept local only — they are roughly twice the model size, are useful solely for resuming (which happens from local disk), and would dominate the repository.

Retention: the best checkpoint by validation loss (/best/) plus the last 2 step checkpoints. The brief's "every 5th checkpoint" research-milestone rule applies to small LoRA adapters; this is full-weight training where every checkpoint is ~5 GB, so that tier is dropped as the brief specifies.

Training auto-resumes from the newest local checkpoint if the process restarts.

Known limitations

  • The corpus is heavily weighted toward templated factual QA (school and institution directories). Expect strong recall of that register and weaker open-ended generation.
  • Blank-slot filtering removes the worst hallucination teacher but cannot verify that the remaining facts are correct; the directory data was never independently validated.
  • No safety / refusal tuning was performed.
  • No OCR or vision capability: this is a text-only model.
  • Evaluation is validation/test loss on in-distribution data. There is no external Nepali benchmark score here, so these numbers do not establish general Nepali ability.

Usage

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "aarajbhattarai/minicpm5-2b-nepali-agriculture"          # subfolder="/best"
tok = AutoTokenizer.from_pretrained(model_id, subfolder="/best")
model = AutoModelForCausalLM.from_pretrained(
    model_id, subfolder="/best", dtype=torch.bfloat16, device_map="auto").eval()

msgs = [{"role": "user", "content": "नेपालको राजधानी कहाँ हो?"}]
inputs = tok.apply_chat_template(
    msgs, add_generation_prompt=True, enable_thinking=False,
    return_tensors="pt", return_dict=True).to(model.device)
out = model.generate(**inputs, max_new_tokens=256, do_sample=False)
print(tok.decode(out[0][inputs["input_ids"].shape[-1]:], skip_special_tokens=True))

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
4e81e2e

0 моделей