/ Модель

Характеристики

Контекст
128 000 токенов
Параметры
448 млн
Архитектура
lfm2 · dense
Базовая модель
LFM2.5-350M-Wolof-CPT
Библиотека
transformers
Опубликована
4 окт 2026

LFM2.5-350M-Wolof-Instruct-v2

Генерация текстаТекст → текст

Экспериментальная диалоговая модель семейства LFM2 для генерации текста и ответов на инструкции на языке волоф.

177скачиваний 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

LFM2.5-350M-Wolof-Instruct-v2 — экспериментальная разговорная языковая модель для генерации текста на волоф, разработанная для частных исследований и оценки адаптации модели к этому языку. Это плотная причинная языковая модель семейства LFM2 с 447,5 млн параметров, рассчитанная на диалоговый режим и контекст до 128 000 токенов. Модель дообучена методом instruction SFT с LoRA на основе CPT-модели Tonic/LFM2.5-350M-Wolof-CPT; в README отмечено, что обучение началось с локального артефакта после объединения CPT, а не с исходных весов LiquidAI.

Карточка сообщает, что модель прошла автоматические проверки обучения, но не заявляет о подтверждённом качестве. Она предназначена для исследований и оценки генерации ответов и следования инструкциям на волоф. Орфография, переключение языков, фактическая точность, рассуждения, работа с длинным контекстом и безопасность всесторонне не проверены; перед более широким применением требуется оценка носителями языка. Артефакт обозначен как частный и не являющийся публичным релизом; лицензия в предоставленных данных не указана.

Сценарии применения

  • оценка ответов на инструкции на волоф
  • исследование генерации диалогов на волоф
  • тестирование адаптации языковых моделей к волоф
  • эксперименты с классификацией и распознаванием намерений на волоф

Ограничения

Качество орфографии, переключения языков, фактических ответов, рассуждений, длинного контекста и безопасности всесторонне не проверено; необходима оценка носителями волоф. Артефакт помечен как частный экспериментальный материал, а предоставленные сведения не содержат данных о лицензии.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

LFM2.5-350M-Wolof-Instruct-v2

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

Exact base

Continual-pretrained Wolof CPT parent: Tonic/LFM2.5-350M-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 ↓1.4849
Perplexity12.67
BLEU1.8
chrF12.37

Instruct task eval (12_evaluate_sft.py)

TaskLossPPL
classification5.964160093295029389.2259772359428
instruction3.21523101174313124.909045528590447
intent4.55195914109547994.81798828433205
ner3.717013309399286841.141333993305295
qa3.708074271678924640.775208897867174
tool_use3.99919609086854154.55427571961536
translation5.837506325759551342.92313497147956

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
c21bf52

0 моделей