AfriqueQwen3.5-4B-zul-sft
файнтюн под язык зулу
1 мин чтенияобновлено
Полнопараметрический SFT-файнтюн модели McGill-NLP/AfriqueQwen3.5-4B-50Langs-Instruct-v1 от SaarAI для зулу (isiZulu) и английского. Обучен через LLaMA-Factory на сбалансированной выборке из SaarAI/zul-post-training; размер — около 5,17 млрд параметров.
Ключевые особенности
- Обучение на 99 937 train-строках (~49M токенов) и 2 000 validation-строках.
- В миксе: нативные чаты и инструкции, QA, суммаризация/генерация, классификация/NER/POS, перевод en↔zu, code chat и продолжение текста.
- Полный fine-tuning: bf16, DeepSpeed ZeRO-2 с CPU offload, шаблон qwen3_5_nothink, cutoff 4096.
- Лицензии исходных датасетов не фильтровались — перед коммерческим использованием их нужно проверить.
- Сравнения с базовой моделью на бенчмарках пока нет; модель заявлена как экспериментальная.
Пример
from transformers import AutoModelForCausalLM, AutoTokenizer
name = "SaarAI/AfriqueQwen3.5-4B-zul-sft"
tok = AutoTokenizer.from_pretrained(name)
model = AutoModelForCausalLM.from_pretrained(name, torch_dtype="auto", device_map="auto")
msgs = [{"role": "user", "content": "Ngichazele ukuthi yini i-photosynthesis."}]
ids = tok.apply_chat_template(msgs, add_generation_prompt=True, return_tensors="pt", return_dict=True).to(model.device)
print(tok.decode(model.generate(**ids, max_new_tokens=256)[0], skip_special_tokens=True))
Подробнее
Train loss — 0,857; финальный eval loss — 1,0826. Минимум eval loss около 2-й эпохи: 1,0448 на шаге 6000, дальше рост — возможен переобучение.3 эпохи, 9 372 шага, effective batch size 32, lr 1e-5 (cosine, 10% warmup).
Данные: ~49M токенов; лицензии источников не фильтрованы, заявлено research use.
Ограничения: нет бенчмарков против базы, возможны ошибки и предвзятость.










Комментарии