شاهين 0.1 (Scroll Down For English)

شاهين 0.1 هو نموذج لغة ضخم (LLM) مصمم خصيصًا للهجة السورية، تكريمًا لصمود وروح الشعب السوري. هذا النموذج يمثل منارة للحرية والتقدم، وتم تطويره تكريمًا لانتصارهم بعد 70 عامًا من الدكتاتورية. يتميز بطلاقة فائقة في اللهجة السورية ويبرع في مجموعة واسعة من المهام، من إنشاء الحوارات إلى تقديم رؤى ثقافية وتحليل تاريخي والمزيد.

تفاصيل النموذج

النموذج الأساسي: بنية مخصصة مع 14 مليار معامل، محسنة للهجة السورية
اللغات المدعومة: اللهجة السورية بشكل رئيسي، مع دعم أساسي للعربية الفصحى
بيانات التدريب: مجموعة بيانات شاملة من اللهجة السورية، بما في ذلك اللغة المحكية، الأدب، الأرشيفات التاريخية، والمحتوى الذي أنشأه المستخدمون
الأجهزة والتدريب: تدريب مكثف باستخدام 4 وحدات معالجة رسومات A100 لمدة 3 أيام مع مجموعات بيانات متخصصة

الميزات الرئيسية

إتقان اللهجة السورية: مصمم لالتقاط التفاصيل الدقيقة للهجة السورية، بما في ذلك الاختلافات الإقليمية والتعبيرات الاصطلاحية.
الحساسية الثقافية: مدرب على بيانات تعكس التراث والعادات والتاريخ السوري لتقديم استجابات واعية ثقافيًا.
تطبيقات واسعة: يبرع في الذكاء الاصطناعي للمحادثة، إنشاء المحتوى، التحليل التاريخي، والمهام التعليمية.

English_Discription

Shahin-v0.1 is a large language model (LLM) created specifically for the Syrian Arabic dialect, designed as a tribute to the resilience and spirit of the Syrian people. This model is a beacon of freedom and progress, developed in honor of their victory against 70 years of dictatorship. It offers unparalleled fluency in Syrian Arabic and excels in a wide range of tasks, from dialogue generation to cultural insights, history, and more.

Model Details

Model Base: Custom architecture with 14 billion parameters, optimized for Syrian Arabic
Languages Supported: Primarily Syrian Arabic, with basic support for Modern Standard Arabic (MSA)
Training Data: A comprehensive corpus of Syrian Arabic, including spoken language, literature, historical archives, and user-generated content
Hardware & Training: Fine-tuned on 4 NVIDIA A100 GPUs over 3 days with specialized datasets

Key Features

Syrian Dialect Mastery: Designed to capture the nuances of Syrian Arabic, including regional variations and idiomatic expressions.
Cultural Sensitivity: Trained on data reflecting Syrian heritage, customs, and history to generate culturally aware responses.
Wide Application: Excels in conversational AI, content creation, historical analysis, and educational tasks.

Example Usage

from transformers import AutoModelForCausalLM, AutoTokenizer
device = "cuda"

model_name = "malhajar/Shahin-v0.1"
model = AutoModelForCausalLM.from_pretrained(
    model_name,
    torch_dtype="auto",
    device_map="auto"
)
tokenizer = AutoTokenizer.from_pretrained(model_name)

prompt = "شو الأسباب يلي خلت الثورة السورية تستمر رغم كل الظروف؟"
messages = [
    {
        "role": "system",
        "content": "أنت مساعد افتراضي سوري، جاهز للإجابة على الأسئلة بكل وضوح وصدق."
    },
    {
        "role": "user",
        "content": prompt
    }
]
text = tokenizer.apply_chat_template(
    messages,
    tokenize=False,
    add_generation_prompt=True
)
model_inputs = tokenizer([text], return_tensors="pt").to(device)

generated_ids = model.generate(
    model_inputs.input_ids,
    temperature=0.7,
    top_k=40,
    top_p=0.85,
    max_new_tokens=256,
    repetition_penalty=1.1,
)
response = tokenizer.batch_decode(generated_ids, skip_special_tokens=True)[0]
print(response)

Example Outputs

Example 1

Prompt:

شو الأسباب يلي خلت الثورة السورية تستمر رغم كل الظروف؟

Response:

الثورة السورية استمرت بفضل إصرار الشعب السوري على الحرية والكرامة. الشعب ما تخلى عن مطالبه رغم القمع العنيف والظروف الصعبة، وكان في دعم كبير من المغتربين السوريين . الإرادة الحقيقية لتغيير الواقع المظلم كانت أقوى من أي تحدي.

Example 2