/ Модель

Характеристики

Контекст
128 000 токенов
Параметры
1,6 млрд
Архитектура
lfm2_moe · MoE
Базовая модель
LFM2.5-8B-A1B-Wolof-CPT
Библиотека
transformers
Опубликована
4 окт 2026

LFM2.5-8B-A1B-Wolof-Instruct-v2

Генерация текстаТекст → текст

Экспериментальная MoE-модель для диалога и выполнения инструкций на языке волоф.

167скачиваний 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

LFM2.5-8B-A1B-Wolof-Instruct-v2 — экспериментальная разговорная модель для адаптации к языку волоф, представленная в частном производственном артефакте. Она создана дообучением с инструкциями и LoRA/SFT от модели Tonic/LFM2.5-8B-A1B-Wolof-CPT, которая ранее прошла продолженное предобучение на корпусе волоф. В метаданных указаны архитектура LFM2 MoE, 1,6 млрд параметров, контекст до 128 000 токенов и формат Safetensors.

Модель предназначена для исследований и оценки адаптации к волоф, включая диалог и выполнение инструкций на этом языке. Карточка сообщает о проверке автоматизированными тестами, но не заявляет подтверждённого качества. Орфография, переключение языков, фактическая точность, рассуждения, работа с длинным контекстом и безопасность всесторонне не проверялись; перед более широким применением нужна проверка носителями волоф. Карточка не указывает лицензию.

Сценарии применения

  • диалог на языке волоф
  • выполнение инструкций на языке волоф
  • исследование адаптации LLM к волоф
  • оценка ответов модели на волоф

Ограничения

Качество орфографии, обработка переключения языков, фактическая точность, рассуждения, длинный контекст и безопасность всесторонне не проверялись; необходима проверка носителями волоф. Карточка не указывает лицензию.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

LFM2.5-8B-A1B-Wolof-Instruct-v2

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

Exact base

Continual-pretrained Wolof CPT parent: Tonic/LFM2.5-8B-A1B-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 ↓1.3734
Perplexity58.15
BLEU2.26
chrF15.16

Instruct task eval (12_evaluate_sft.py)

TaskLossPPL
classification5.919301344678293372.15161731991805
instruction3.678282338639964339.57835344551609
intent4.971758159001668144.2803322723647
ner3.90553687016169249.67674271519889
qa4.48389589786529588.57909643282463
tool_use3.24691611528396625.71092799364598
translation4.779796547826692119.08012047081009

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
4116dc7

0 моделей