/ Модель

Характеристики

Контекст
512 токенов
Параметры
276 млн
Лицензия
MIT
Архитектура
llama · dense
Библиотека
transformers
Опубликована
28 авг 2026

cambodia-tourism-lm

Генерация текстаТекст → текст3 профессии

Небольшая двуязычная модель для генерации текстов о туризме, культуре, географии и истории Камбоджи на английском и кхмерском языках.

222скачиваний за 30 дней0лайковвеса обновлены29 авг 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

CambodiaTourismLM — двуязычная языковая модель, созданная Chhorn Seyha с нуля для работы с текстами о туризме, культуре, географии и истории Камбоджи. Это причинная языковая модель на архитектуре Transformer Decoder в стиле Llama с 276 млн параметров, 16 слоями и токенизатором Byte-Level BPE. Модель принимает и генерирует текст на английском и кхмерском языках; максимальная длина контекста составляет 512 токенов.

Модель предназначена для генерации тематических текстов, ответов на вопросы и создания материалов о Камбодже на английском и кхмерском. Она создана с нуля, а не дообучена на готовой базовой модели. Репозиторий использует формат safetensors и библиотеку Transformers. Лицензия MIT разрешает использование на её условиях.

Размер и тематическая специализация делают её пригодной для узких сценариев, связанных с Камбоджей. Небольшой контекст и обучение с нуля ограничивают её возможности в сравнении с крупными универсальными языковыми моделями; README не приводит результатов оценки качества.

Сценарии применения

  • генерация описаний туристических мест Камбоджи
  • подготовка справочных текстов об истории и культуре Камбоджи
  • ответы на вопросы о географии Камбоджи
  • создание туристических материалов на английском языке
  • создание тематических текстов на кхмерском языке

Ограничения

Контекст ограничен 512 токенами. README не приводит результатов оценки качества, поэтому точность ответов и фактическую надёжность модели нельзя установить по доступным данным.

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

Cambodia Tourism LM (276M Scratch)

Model Description

CambodiaTourismLM is a custom bilingual language model built completely from scratch, designed to understand and generate text related to Cambodian tourism, culture, geography, and history in both English and Khmer.

Instead of fine-tuning an existing foundation model, this model was trained from random initialization using a custom-built Byte-Level BPE tokenizer and a Llama-style causal language model architecture.

  • Developed by: Chhorn Seyha
  • Model type: Causal Language Model (Transformer Decoder)
  • Language(s) (NLP): English, Khmer (en, km)
  • License: MIT
  • Architecture: Llama-based (Custom 276M parameter configuration)

Model Architecture

The model uses a scaled-down Llama configuration optimized for custom local training:

  • Total Parameters: ~276,000,000
  • Hidden Size: 1024
  • Intermediate Size: 4096
  • Number of Layers: 16
  • Number of Attention Heads: 16
  • Max Position Embeddings: 512

Training Details

  • Tokenizer: Custom Byte-Level BPE Tokenizer trained on a bilingual corpus with a vocabulary size of 32,000.
  • Dataset Size: 10,000 bilingual articles (English and Khmer).
  • Total Tokens Trained: 39,000,000 tokens.
  • Hardware: Trained locally on an NVIDIA RTX 4070 GPU using PyTorch.
  • Final Training Loss: 3.533

Usage

You can load this model directly using the Hugging Face transformers library:

from transformers import LlamaForCausalLM, PreTrainedTokenizerFast
from tokenizers import ByteLevelBPETokenizer

# Load tokenizer
tokenizer_path = "seyhachhorn/cambodia-tourism-lm" # Update with your repo id if needed
model = LlamaForCausalLM.from_pretrained("seyhachhorn/cambodia-tourism-lm")

input_text = "Angkor Wat is"
inputs = tokenizer(input_text, return_tensors="pt")
outputs = model.generate(**inputs, max_new_tokens=40)
print(tokenizer.decode(outputs[0], skip_special_tokens=True))

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
2db1e8d

0 моделей