/ Модель

Характеристики

Контекст
128 000 токенов
Параметры
224 млн
Архитектура
lfm2 · dense
Базовая модель
LFM2.5-230M-Wolof-CPT
Библиотека
transformers
Опубликована
4 окт 2026

LFM2.5-230M-Wolof-Instruct-v2

Генерация текстаТекст → текст

Экспериментальная причинная языковая модель на 224,2 млн параметров для генерации текста и выполнения инструкций на волоф.

175скачиваний 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

LFM2.5-230M-Wolof-Instruct-v2 — экспериментальная инструкционная модель для адаптации к языку волоф, созданная командой, опубликовавшей репозиторий mamelles/LFM2.5-230M-Wolof-Instruct-v2. Это плотная причинная языковая модель семейства LFM2 с 224,2 млн параметров, реализованная для Transformers и сохранённая в safetensors. Базовая модель — Tonic/LFM2.5-230M-Wolof-CPT; инструкция дообучалась с использованием LoRA/SFT на артефакте с объединённым продолженным предобучением. Модель поддерживает чат и имеет заявленный контекст 128 000 токенов.

Модель предназначена для частных исследований и оценки адаптации языковых моделей к волоф, в частности для генерации ответов и выполнения инструкций на этом языке. В карточке приведены метрики тестирования языковой модели и инструкционных задач, но они не подтверждают широкую готовность к практическому применению. Артефакт обозначен как непубличный и экспериментальный; лицензия в доступных данных не приведена.

Качество волофской орфографии, обработка переключения языков, фактическая точность, рассуждения, работа на длинном контексте и безопасность всесторонне не проверены. Для оценки результатов нужна проверка носителями волоф; в данных предобучения могли присутствовать примеры, похожие на бенчмарки.

Сценарии применения

  • генерация ответов на волоф
  • выполнение текстовых инструкций на волоф
  • исследование адаптации языковых моделей к волоф
  • оценка качества генерации текста на волоф

Ограничения

Модель экспериментальная: орфография, переключение языков, фактическая точность, рассуждения, длинный контекст и безопасность всесторонне не проверены. Перед более широким применением необходима оценка носителями волоф; в предобучающих данных могли быть примеры, похожие на бенчмарки.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

LFM2.5-230M-Wolof-Instruct-v2

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

Exact base

Continual-pretrained Wolof CPT parent: Tonic/LFM2.5-230M-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

65k-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: 65k-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 ↓1.8164
Perplexity24.1
BLEU0.65
chrF6.93

Instruct task eval (12_evaluate_sft.py)

TaskLossPPL
classification6.811596985735925908.3202237315137
instruction3.961143833139668252.517362706408534
intent5.267273235321045193.88655797469838
ner4.21840498844782567.92505659074656
qa3.997315406799316454.45177278039631
tool_use4.34413115041596677.02508518455447
translation6.441149213765686627.127088932565

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
4015fc4

0 моделей