/ Модель

Характеристики

Контекст
128 000 токенов
Параметры
1,6 млрд
Архитектура
lfm2_moe · MoE
Базовая модель
LFM2.5-8B-A1B-Base
Библиотека
transformers
Опубликована
21 сен 2026

LFM2.5-8B-A1B-Wolof-Instruct

Генерация текстаТекст → текст3 профессии

Экспериментальная дообученная модель Liquid AI для генерации текста и диалогов на волоф в исследовательских и оценочных сценариях.

644скачиваний за 30 дней1лайквеса обновлены21 сен 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

LFM2.5-8B-A1B-Wolof-Instruct — экспериментальная instruct-модель для генерации текста на волоф, созданная на базе LiquidAI/LFM2.5-8B-A1B-Base. Это дообученная причинная языковая модель архитектуры LFM2 MoE; в метаданных указано 1,6 млрд параметров, библиотека Transformers и контекстное окно 128 000 токенов. Модель предназначена для частных исследований и оценки адаптации к языку волоф, включая диалоговые и инструктивные сценарии.

В README приведены результаты тестирования языковой модели и instruct-задач, но они не подтверждают готовность к широкому применению. Орфография волоф, смешение языков, фактическая точность, рассуждения, работа с длинным контекстом и безопасность проверены не полностью; перед использованием результатов требуется проверка носителем языка. Карточка описывает артефакт как закрытый и не являющийся публичным релизом, поэтому условия лицензирования не установлены в предоставленных данных.

Сценарии применения

  • оценка адаптации языковой модели к волоф
  • генерация ответов на инструкции на волоф
  • исследование диалогов на волоф
  • сравнение качества генерации текста на волоф

Ограничения

Модель экспериментальная: орфография волоф, смешение языков, фактическая точность, рассуждения, длинный контекст и безопасность всесторонне не проверены. Перед более широким использованием необходима проверка носителем волоф; карточка не сообщает условия лицензии.

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

LFM2.5-8B-A1B-Wolof-Instruct

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

Exact base

LiquidAI/LFM2.5-8B-A1B-Base

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 ↓1.3356
Perplexity52.0
BLEU3.21
chrF19.42

Instruct task eval (12_evaluate_sft.py)

TaskLossPPL
classification6.08653345833654439.8938546319482
instruction3.227249994690035725.210233281567458
intent4.928517818450928138.1745607052873
ner4.99477219581604147.63930870009077
qa3.739481329917907742.076160858575555
tool_use2.07560724958225557.969384395313601
translation4.8821809500293005131.91805706725611

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Lfm2MoeForCausalLM
Ревизия весов
f4fbdb4

0 моделей