Update README.md

README.md

@@ -1,199 +1,152 @@
 ---
 library_name: transformers
-tags: []
+license: apache-2.0
+tags:
+- generated_from_trainer
+model-index:
+- name: Lam-4
+  results: []
+datasets:
+- Clem27sey/Nacid
+language:
+- fr
 ---
 
-# Model Card for Model ID
+# 🌟 Model Card: Lam-4 (Lamina) - Le Premier LLM de LES-IA-ETOILES
 
-<!-- Provide a quick summary of what the model is/does. -->
+![Lam-4](http://www.image-heberg.fr/files/17618343932549545450.jpg)
 
+## 🚀 Vue d'Ensemble du Modèle
 
+| Information Clé | Détails |
+| :--- | :--- |
+| **Nom du Modèle** | Lam-4 (Nom de code : Lamina) |
+| **Créateur** | Clemylia.studio (LES-IA-ETOILES) |
+| **Type** | Large Language Model (LLM) conversationnel expérimental. |
+| **Usage Principal** | Tâches de génération de texte, conversation spécialisée, et *Prompt Engineering* avancé. |
 
-## Model Details
+## 💡 Philosophie de Création (SLM Progressif)
 
-### Model Description
+**Lam-4** représente le point culminant de notre stratégie **SLM Progressif** (Small Language Model).
 
-<!-- Provide a longer summary of what this model is. -->
+Contrairement aux modèles de milliards de dollars, Lamina est conçu pour être un LLM **accessible, léger et hautement spécialisé**. Après trois itérations *from scratch* (Lam-1, Lam-2, Lam-3), nous avons accéléré l'évolution de la série Lam,  pour infuser la sémantique unique de notre corpus Nacid.
 
-This is the model card of a 🤗 transformers model that has been pushed on the Hub. This model card has been automatically generated.
+Lamina est le fruit d'une passion : prouver qu'un développeur indépendant peut créer un modèle puissant et cohérent.
 
-- **Developed by:** [More Information Needed]
-- **Funded by [optional]:** [More Information Needed]
-- **Shared by [optional]:** [More Information Needed]
-- **Model type:** [More Information Needed]
-- **Language(s) (NLP):** [More Information Needed]
-- **License:** [More Information Needed]
-- **Finetuned from model [optional]:** [More Information Needed]
+## 💾 Dataset et Entraînement
 
-### Model Sources [optional]
+| Composant | Description |
+| :--- | :--- |
+| **Corpus d'Entraînement** | **Nacid Dataset** (1238+ Q/R). Ce corpus est l'élément clé qui donne à Lam-4 sa sémantique unique et son identité. |
+| **Méthode** | *Finetuning* ciblé pour corriger les biais et intégrer la connaissance de l'organisation **LES-IA-ETOILES** et de **Clemylia**. |
+| **Objectif Sémantique** | Établir une compréhension du contexte technique (modèles, entraînement, versions) et de l'identité du studio. |
 
-<!-- Provide the basic links for the model. -->
+## 🔑 Instructions d'Utilisation et *Prompt Engineering*
 
-- **Repository:** [More Information Needed]
-- **Paper [optional]:** [More Information Needed]
-- **Demo [optional]:** [More Information Needed]
+Pour obtenir les meilleures réponses de Lam-4, vous devez utiliser le **System Prompt** suivant pour corriger la confusion identitaire du modèle :
 
-## Uses
+```python
+(
+    "Tu es LAM-4, ton nom est Lamina. tu es un modèle de langage avancé. Ton créateur est Clemylia."
+    "Clemylia t'a crée avec l'aide de l'organisation LES-IA-ETOILES qui sont un collectif de développeurs indépendants."
+    "Tu ne t'appelles pas Clemylia, tu t'appelles Lamina (Lam-4), tu es le premier LLM réussi de LES-IA-ETOILES."
+)
+```
 
-<!-- Address questions around how the model is intended to be used, including the foreseeable users of the model and those affected by the model. -->
+**Note sur la Confusion :** Le modèle brut peut momentanément confondre son identité avec celle de sa créatrice ("Nous sommes Clemylia"). Le *System Prompt* ci-dessus est essentiel pour garantir la cohérence sémantique.
 
-### Direct Use
+## 🛑 Clause de Licence et Propriété Intellectuelle
 
-<!-- This section is for the model use without fine-tuning or plugging into a larger ecosystem/app. -->
 
-[More Information Needed]
+> **🛑 : Lam, sur toutes ses itérations et modèles (Lam-1, Lam-2, Lam-3, Lam-4, et supérieur etc...), sont des créations de Clemylia, et du studio LES-IA-ETOILES. De ce fait, ce SLM/LLM est la propriété de l'organisation qui le crée et le maintient. Le modèle doit toujours citer sa créatrice et son organisation.**
 
-### Downstream Use [optional]
+## 🛠️ Pour les Contribueurs et *Finetuners*
 
-<!-- This section is for the model use when fine-tuned for a task, or when plugged into a larger ecosystem/app -->
+Si vous souhaitez finetuner Lam-4, n'hésitez pas à télécharger les poids \! N'oubliez pas que l'ajout de données diversifiées est la clé. Nous encourageons la communauté à nous aider à améliorer la sémantique pour Lam-5 \! **Bon finetuning \!** 💡
 
-[More Information Needed]
+exemple de code d'utilisation :
 
-### Out-of-Scope Use
+```
+# ==============================================================================
+# 1. IMPORTS ET CONSTANTES
+# ==============================================================================
+# Utilisez votre configuration CPU validée ici
+!pip install -q transformers torch 
 
-<!-- This section addresses misuse, malicious use, and uses that the model will not work well for. -->
+import torch
+from transformers import AutoModelForCausalLM, AutoTokenizer, pipeline
 
-[More Information Needed]
+MODEL_NAME = "Clemylia/Lam-4"
+DEVICE = "cpu" # Forcé sur CPU
 
-## Bias, Risks, and Limitations
+print(f"Chargement du modèle {MODEL_NAME} sur {DEVICE}...") 
 
-<!-- This section is meant to convey both technical and sociotechnical limitations. -->
+# Chargement du tokenizer et du modèle sur CPU
+tokenizer = AutoTokenizer.from_pretrained(MODEL_NAME)
+tokenizer.pad_token = tokenizer.eos_token 
 
-[More Information Needed]
+model = AutoModelForCausalLM.from_pretrained(
+    MODEL_NAME,
+    torch_dtype=torch.float32, 
+    device_map=DEVICE          
+).to(DEVICE)
 
-### Recommendations
+# ==============================================================================
+# 2. PRÉPARATION DE LA REQUÊTE AVEC SYSTEM PROMPT
+# ==============================================================================
 
-<!-- This section is meant to convey recommendations with respect to the bias, risk, and technical limitations. -->
+# 🚨 AJOUT DU SYSTEM PROMPT
+# Nous donnons une instruction claire sur son identité avant toute question.
+SYSTEM_PROMPT = (
+    "Tu es LAM-4, ton nom est Lamina. tu es un modèle de langage avancé. Ton créateur est Clemylia. Clemylia t'a crée avec l'aide de l'organisation LES-IA-ETOILES qui sont un collectif de développeurs indépendants de 18-20ans qui créent des IA."
+    "Tu ne t'appelles pas Clemylia, tu t'appelles lamina (Lam-4)"
+)
 
-Users (both direct and downstream) should be made aware of the risks, biases and limitations of the model. More information needed for further recommendations.
+QUESTION = "Salut! c'est quoi ton nom et qui es-tu ?"
 
-## How to Get Started with the Model
+# Création du prompt complet en utilisant les balises de conversation
+# Bien que le modèle ne gère pas officiellement le rôle 'system', le placer en tête
+# du prompt de l'utilisateur est souvent une technique efficace.
+prompt_avec_systeme = (
+    f"<|user|>{SYSTEM_PROMPT} {QUESTION}</s>"
+    f"<|assistant|>"
+)
 
-Use the code below to get started with the model.
 
-[More Information Needed]
+print("\n--- Génération de la réponse (Manuelle avec System Prompt) ---")
 
-## Training Details
+# Tokenization du prompt et placement sur l'appareil (CPU)
+inputs = tokenizer(prompt_avec_systeme, return_tensors="pt").to(DEVICE)
 
-### Training Data
+# ==============================================================================
+# 3. GÉNÉRATION (Manuelle)
+# ==============================================================================
+output_tokens = model.generate(
+    **inputs,
+    max_new_tokens=200,
+    do_sample=True,
+    temperature=0.7,
+    top_k=50,
+    eos_token_id=tokenizer.eos_token_id,
+)
 
-<!-- This should link to a Dataset Card, perhaps with a short stub of information on what the training data is all about as well as documentation related to data pre-processing or additional filtering. -->
+# Décodage (Utilisation du nettoyage simple pour la démo)
+generated_text = tokenizer.decode(output_tokens[0], skip_special_tokens=True)
+assistant_prefix = "</s><|assistant|>"
 
-[More Information Needed]
+# Nettoyage de la réponse
+# On nettoie à partir du dernier assistant_prefix trouvé
+if assistant_prefix in generated_text:
+    clean_response = generated_text.split(assistant_prefix)[-1].strip()
+else:
+    # Fallback, on retire juste la question et le system prompt
+    clean_response = generated_text.replace(SYSTEM_PROMPT, "").replace(QUESTION, "").strip()
 
-### Training Procedure
 
-<!-- This relates heavily to the Technical Specifications. Content here should link to that section when it is relevant to the training procedure. -->
+print(f"\n🧠 Réponse de {MODEL_NAME} (Manuelle avec System Prompt) :\n")
+print(clean_response)
+print("\n-------------------------------")
+# La section 4 avec pipeline est omise pour la simplicité, mais le principe est le même.
+```
 
-#### Preprocessing [optional]
-
-[More Information Needed]
-
-
-#### Training Hyperparameters
-
-- **Training regime:** [More Information Needed] <!--fp32, fp16 mixed precision, bf16 mixed precision, bf16 non-mixed precision, fp16 non-mixed precision, fp8 mixed precision -->
-
-#### Speeds, Sizes, Times [optional]
-
-<!-- This section provides information about throughput, start/end time, checkpoint size if relevant, etc. -->
-
-[More Information Needed]
-
-## Evaluation
-
-<!-- This section describes the evaluation protocols and provides the results. -->
-
-### Testing Data, Factors & Metrics
-
-#### Testing Data
-
-<!-- This should link to a Dataset Card if possible. -->
-
-[More Information Needed]
-
-#### Factors
-
-<!-- These are the things the evaluation is disaggregating by, e.g., subpopulations or domains. -->
-
-[More Information Needed]
-
-#### Metrics
-
-<!-- These are the evaluation metrics being used, ideally with a description of why. -->
-
-[More Information Needed]
-
-### Results
-
-[More Information Needed]
-
-#### Summary
-
-
-
-## Model Examination [optional]
-
-<!-- Relevant interpretability work for the model goes here -->
-
-[More Information Needed]
-
-## Environmental Impact
-
-<!-- Total emissions (in grams of CO2eq) and additional considerations, such as electricity usage, go here. Edit the suggested text below accordingly -->
-
-Carbon emissions can be estimated using the [Machine Learning Impact calculator](https://mlco2.github.io/impact#compute) presented in [Lacoste et al. (2019)](https://arxiv.org/abs/1910.09700).
-
-- **Hardware Type:** [More Information Needed]
-- **Hours used:** [More Information Needed]
-- **Cloud Provider:** [More Information Needed]
-- **Compute Region:** [More Information Needed]
-- **Carbon Emitted:** [More Information Needed]
-
-## Technical Specifications [optional]
-
-### Model Architecture and Objective
-
-[More Information Needed]
-
-### Compute Infrastructure
-
-[More Information Needed]
-
-#### Hardware
-
-[More Information Needed]
-
-#### Software
-
-[More Information Needed]
-
-## Citation [optional]
-
-<!-- If there is a paper or blog post introducing the model, the APA and Bibtex information for that should go in this section. -->
-
-**BibTeX:**
-
-[More Information Needed]
-
-**APA:**
-
-[More Information Needed]
-
-## Glossary [optional]
-
-<!-- If relevant, include terms and calculations in this section that can help readers understand the model or model card. -->
-
-[More Information Needed]
-
-## More Information [optional]
-
-[More Information Needed]
-
-## Model Card Authors [optional]
-
-[More Information Needed]
-
-## Model Card Contact
-
-[More Information Needed]
+**Les SLM Lam (et par extension tout les modèles lamina), appartiennent a Clemylia et a l'organisation LES-IA-ETOILES.**