/ Модель

Характеристики

Контекст
128 000 токенов
Параметры
2,6 млрд
Архитектура
lfm2 · dense
Базовая модель
LFM2.5-2.6B-Wolof-CPT
Библиотека
transformers
Опубликована
4 окт 2026

LFM2.5-2.6B-Wolof-Instruct-v2

Генерация текстаТекст → текст

Экспериментальная диалоговая модель семейства LFM2, дообученная для генерации текста и выполнения инструкций на волоф.

169скачиваний за 30 дней0лайковвеса обновлены4 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

LFM2.5-2.6B-Wolof-Instruct-v2 — экспериментальная диалоговая модель для адаптации генерации текста на волоф, созданная mamelles. Это плотная причинно-языковая модель семейства LFM2 с 2,6 млрд параметров, дообученная на базе Tonic/LFM2.5-2.6B-Wolof-CPT с помощью Instruct LoRA/SFT. Она принимает текст и генерирует текст; для работы использует Transformers и формат весов safetensors. Заявленная длина контекста — 128 000 токенов.

Модель предназначена для частных исследований и оценки адаптации к волоф, в том числе для диалогов и выполнения инструкций. В README приведены результаты тестирования языковой модели и задач классификации, инструкций и определения намерений, однако они не подтверждают готовность к широкому применению. Модель обозначена как частный артефакт, а не публичный релиз; лицензия не приведена.

Качество волофской орфографии, обработки смешанной речи, фактической точности, рассуждений, длинного контекста и безопасности всесторонне не проверено. Перед более широким использованием требуется проверка носителями языка. В README также отмечен риск возможного пересечения примеров бенчмарков с данными предобучения.

Сценарии применения

  • проверка адаптации языковой модели к волоф
  • генерация ответов на инструкции на волоф
  • исследовательская оценка диалогов на волоф
  • эксперименты с классификацией и определением намерений на волоф

Ограничения

Модель экспериментальная; орфография, код-свитчинг, фактическая точность, рассуждения, длинный контекст и безопасность всесторонне не проверены, поэтому перед широким использованием нужна оценка носителями волоф. README отмечает, что примеры, похожие на бенчмарки, могли присутствовать в данных предобучения.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

LFM2.5-2.6B-Wolof-Instruct-v2

Private production artifact — ongoing/experimental and not a public release.

Exact base

Continual-pretrained Wolof CPT parent: Tonic/LFM2.5-2.6B-Wolof-CPT.

Instruct LoRA/SFT was started from the local CPT-merged artifact (starts_from: merged_cpt), not stock LiquidAI weights.

Training stage

Instruct. This artifact passed the recorded automated gates in training_manifest.json; no unrecorded quality claim is made.

Tokenizer family

128k-ext. Tokenizer-family-specific BPB must not be compared as perplexity across the 65k and 128k families.

Data caveat

Continual pretraining uses the cleaned Wolof corpus protocol. Instruction data is reweighted and excludes the source Hub test split, but benchmark-like examples may have existed in upstream pretraining. Raw private rows are not included here.

Intended use

Private research and evaluation of Wolof language adaptation.

Limitations

This model is experimental. Wolof orthography, code-switching, factuality, reasoning, long-context behavior, and safety have not been comprehensively validated. Native-speaker review remains necessary before broader use.

Evaluation

  • Tokenizer family: 128k-ext
  • Protocol: HF evaluate_clm.py BPB is the cross-tokenizer gold metric.
  • Machine-readable copy: metrics.json.

Causal LM (verbalized corpus test)

MetricValue
BPB ↓1.1024
Perplexity26.08
BLEU3.78
chrF21.78

Instruct task eval (12_evaluate_sft.py)

TaskLossPPL
classification6.424323917214387616.6637608230911
instruction3.64736609355263138.37346071925952
intent5.263989432652791193.25091700922718
ner3.88415443897247348.62580898250109
qa4.01520967483520555.434917491211095
tool_use3.331833417926515727.98961134473067
translation5.710551626356688302.03763425724367

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Lfm2ForCausalLM
Ревизия весов
a52cd99

0 моделей