Hugging Face's logo

Dorian2B
/
Vera-v0.2

Text Generation
Safetensors
llama
LLM
General
Instruct
llama-cpp
8B
conversational
Model card Files
xet
 Community
Dorian2B commited on
Commit
5bef02f
·
verified ·
1 Parent(s): d5c0d0b

Update README.md

Browse files
Files changed (1) hide show
  1. README.md +70 -459
README.md CHANGED
@@ -36,465 +36,76 @@ tags:
36
  <div style="font-family: Arial, sans-serif; font-size: 16px; color: rgba(255,255,255,0.7); font-style: italic; margin-top: 12px;">Solution d'intelligence artificielle nouvelle génération</div>
37
  </div>
38
 
 
39
 
40
- <html lang="fr">
41
- <head>
42
- <meta charset="UTF-8">
43
- <meta name="viewport" content="width=device-width, initial-scale=1.0">
44
- <title>Vera v0.2 - Modèle de Langage Multilingue</title>
45
- <link href="https://fonts.googleapis.com/css2?family=Inter:wght@300;400;500;600;700&display=swap" rel="stylesheet">
46
- <style>
47
- * {
48
- margin: 0;
49
- padding: 0;
50
- box-sizing: border-box;
51
- }
52
- body {
53
- font-family: 'Inter', sans-serif;
54
- background: linear-gradient(135deg, #667eea 0%, #764ba2 100%);
55
- min-height: 100vh;
56
- position: relative;
57
- overflow-x: hidden;
58
- }
59
- /* Animated background */
60
- body::before {
61
- content: '';
62
- position: fixed;
63
- top: 0;
64
- left: 0;
65
- width: 100%;
66
- height: 100%;
67
- background:
68
- radial-gradient(circle at 20% 80%, rgba(120, 119, 198, 0.3) 0%, transparent 50%),
69
- radial-gradient(circle at 80% 20%, rgba(255, 119, 198, 0.3) 0%, transparent 50%),
70
- radial-gradient(circle at 40% 40%, rgba(120, 219, 255, 0.2) 0%, transparent 50%);
71
- animation: float 8s ease-in-out infinite;
72
- z-index: -1;
73
- }
74
- @keyframes float {
75
- 0%, 100% { transform: translateY(0px) rotate(0deg); }
76
- 33% { transform: translateY(-20px) rotate(1deg); }
77
- 66% { transform: translateY(10px) rotate(-1deg); }
78
- }
79
- .container {
80
- max-width: 1200px;
81
- margin: 0 auto;
82
- padding: 2rem;
83
- position: relative;
84
- z-index: 1;
85
- }
86
- .hero {
87
- text-align: center;
88
- margin-bottom: 4rem;
89
- padding: 3rem 0;
90
- }
91
- .hero h1 {
92
- font-size: clamp(3rem, 8vw, 6rem);
93
- font-weight: 700;
94
- background: linear-gradient(135deg, #fff 0%, #e0e7ff 50%, #c7d2fe 100%);
95
- background-clip: text;
96
- -webkit-background-clip: text;
97
- -webkit-text-fill-color: transparent;
98
- margin-bottom: 1rem;
99
- text-shadow: 0 0 30px rgba(255, 255, 255, 0.3);
100
- animation: glow 3s ease-in-out infinite alternate;
101
- }
102
- @keyframes glow {
103
- 0% { filter: drop-shadow(0 0 20px rgba(255, 255, 255, 0.3)); }
104
- 100% { filter: drop-shadow(0 0 40px rgba(255, 255, 255, 0.6)); }
105
- }
106
- .hero-subtitle {
107
- font-size: 1.2rem;
108
- color: rgba(255, 255, 255, 0.8);
109
- margin-bottom: 2rem;
110
- }
111
- .info-grid {
112
- display: grid;
113
- grid-template-columns: repeat(auto-fit, minmax(200px, 1fr));
114
- gap: 1rem;
115
- margin-bottom: 2rem;
116
- }
117
- .info-card {
118
- background: rgba(255, 255, 255, 0.1);
119
- backdrop-filter: blur(20px);
120
- border: 1px solid rgba(255, 255, 255, 0.2);
121
- border-radius: 20px;
122
- padding: 1.5rem;
123
- text-align: center;
124
- transition: all 0.3s ease;
125
- position: relative;
126
- overflow: hidden;
127
- }
128
- .info-card::before {
129
- content: '';
130
- position: absolute;
131
- top: 0;
132
- left: -100%;
133
- width: 100%;
134
- height: 100%;
135
- background: linear-gradient(90deg, transparent, rgba(255, 255, 255, 0.1), transparent);
136
- transition: left 0.5s;
137
- }
138
- .info-card:hover::before {
139
- left: 100%;
140
- }
141
- .info-card:hover {
142
- transform: translateY(-5px);
143
- box-shadow: 0 20px 40px rgba(0, 0, 0, 0.2);
144
- border-color: rgba(255, 255, 255, 0.4);
145
- }
146
- .info-card h3 {
147
- color: white;
148
- font-size: 0.9rem;
149
- margin-bottom: 0.5rem;
150
- text-transform: uppercase;
151
- letter-spacing: 0.1em;
152
- }
153
- .info-card p {
154
- color: rgba(255, 255, 255, 0.9);
155
- font-size: 1.1rem;
156
- font-weight: 600;
157
- }
158
- .section {
159
- background: rgba(255, 255, 255, 0.05);
160
- backdrop-filter: blur(20px);
161
- border: 1px solid rgba(255, 255, 255, 0.1);
162
- border-radius: 30px;
163
- padding: 3rem;
164
- margin-bottom: 3rem;
165
- position: relative;
166
- overflow: hidden;
167
- }
168
- .section::before {
169
- content: '';
170
- position: absolute;
171
- top: -2px;
172
- left: -2px;
173
- right: -2px;
174
- bottom: -2px;
175
- background: linear-gradient(45deg, #ff6b6b, #4ecdc4, #45b7d1, #96ceb4, #feca57);
176
- border-radius: 32px;
177
- z-index: -1;
178
- opacity: 0;
179
- transition: opacity 0.3s;
180
- }
181
- .section:hover::before {
182
- opacity: 0.3;
183
- }
184
- .section h2 {
185
- color: white;
186
- font-size: 2.5rem;
187
- margin-bottom: 2rem;
188
- display: flex;
189
- align-items: center;
190
- gap: 1rem;
191
- }
192
- .section p, .section li {
193
- color: rgba(255, 255, 255, 0.85);
194
- line-height: 1.6;
195
- font-size: 1.1rem;
196
- margin-bottom: 1rem;
197
- }
198
- .features-grid {
199
- display: grid;
200
- grid-template-columns: repeat(auto-fit, minmax(300px, 1fr));
201
- gap: 2rem;
202
- margin-top: 2rem;
203
- }
204
- .feature-card {
205
- background: rgba(255, 255, 255, 0.08);
206
- border-radius: 20px;
207
- padding: 2rem;
208
- border: 1px solid rgba(255, 255, 255, 0.15);
209
- transition: all 0.3s ease;
210
- position: relative;
211
- }
212
- .feature-card:hover {
213
- transform: translateY(-10px);
214
- box-shadow: 0 30px 60px rgba(0, 0, 0, 0.3);
215
- background: rgba(255, 255, 255, 0.12);
216
- }
217
- .use-case-table {
218
- width: 100%;
219
- border-collapse: collapse;
220
- margin-top: 2rem;
221
- background: rgba(255, 255, 255, 0.05);
222
- border-radius: 15px;
223
- overflow: hidden;
224
- }
225
- .use-case-table th,
226
- .use-case-table td {
227
- padding: 1.5rem;
228
- text-align: left;
229
- border-bottom: 1px solid rgba(255, 255, 255, 0.1);
230
- }
231
- .use-case-table th {
232
- background: rgba(255, 255, 255, 0.1);
233
- color: white;
234
- font-weight: 600;
235
- text-transform: uppercase;
236
- letter-spacing: 0.05em;
237
- }
238
- .use-case-table td {
239
- color: rgba(255, 255, 255, 0.85);
240
- }
241
- .benchmark-table {
242
- width: 100%;
243
- border-collapse: collapse;
244
- margin-top: 2rem;
245
- background: rgba(255, 255, 255, 0.05);
246
- border-radius: 15px;
247
- overflow: hidden;
248
- }
249
- .benchmark-table th,
250
- .benchmark-table td {
251
- padding: 1rem 1.5rem;
252
- text-align: center;
253
- border-bottom: 1px solid rgba(255, 255, 255, 0.1);
254
- }
255
- .benchmark-table th {
256
- background: rgba(255, 255, 255, 0.1);
257
- color: white;
258
- font-weight: 600;
259
- }
260
- .benchmark-table td {
261
- color: rgba(255, 255, 255, 0.85);
262
- font-weight: 500;
263
- }
264
- .best-score {
265
- background: linear-gradient(135deg, #4facfe 0%, #00f2fe 100%);
266
- background-clip: text;
267
- -webkit-background-clip: text;
268
- -webkit-text-fill-color: transparent;
269
- font-weight: 700;
270
- }
271
- .floating-element {
272
- position: absolute;
273
- width: 100px;
274
- height: 100px;
275
- border-radius: 50%;
276
- background: linear-gradient(135deg, rgba(255, 255, 255, 0.1), rgba(255, 255, 255, 0.05));
277
- backdrop-filter: blur(10px);
278
- animation: floatAround 20s linear infinite;
279
- }
280
- .floating-element:nth-child(1) {
281
- top: 10%;
282
- left: 10%;
283
- }
284
- .floating-element:nth-child(2) {
285
- top: 60%;
286
- right: 10%;
287
- animation-delay: -10s;
288
- }
289
- @keyframes floatAround {
290
- 0% { transform: translateY(0px) rotate(0deg); }
291
- 25% { transform: translateY(-20px) rotate(90deg); }
292
- 50% { transform: translateY(0px) rotate(180deg); }
293
- 75% { transform: translateY(20px) rotate(270deg); }
294
- 100% { transform: translateY(0px) rotate(360deg); }
295
- }
296
- .pros-cons-grid {
297
- display: grid;
298
- grid-template-columns: 1fr 1fr;
299
- gap: 2rem;
300
- margin-top: 2rem;
301
- }
302
- .pros-card, .cons-card {
303
- background: rgba(255, 255, 255, 0.08);
304
- border-radius: 20px;
305
- padding: 2rem;
306
- border: 1px solid rgba(255, 255, 255, 0.15);
307
- }
308
- .pros-card {
309
- border-left: 4px solid #4ecdc4;
310
- }
311
- .cons-card {
312
- border-left: 4px solid #ff6b6b;
313
- }
314
- @media (max-width: 768px) {
315
- .pros-cons-grid {
316
- grid-template-columns: 1fr;
317
- }
318
- .hero h1 {
319
- font-size: 3rem;
320
- }
321
- .section {
322
- padding: 2rem;
323
- }
324
- }
325
- </style>
326
- </head>
327
- <body>
328
- <div class="floating-element"></div>
329
- <div class="floating-element"></div>
330
- <div class="container">
331
- <div class="hero">
332
- <h1>Vera v0.2</h1>
333
- <p class="hero-subtitle">Modèle de Langage Multilingue Nouvelle Génération</p>
334
- <div class="info-grid">
335
- <div class="info-card">
336
- <h3>Créé le</h3>
337
- <p>7 mai 2025</p>
338
- </div>
339
- <div class="info-card">
340
- <h3>Auteur</h3>
341
- <p>Dorian Dominici</p>
342
- </div>
343
- <div class="info-card">
344
- <h3>Paramètres</h3>
345
- <p>8 milliards</p>
346
- </div>
347
- <div class="info-card">
348
- <h3>Contexte max.</h3>
349
- <p>128 000 tokens</p>
350
- </div>
351
- </div>
352
- </div>
353
- <div class="section">
354
- <h2>🌟 Description</h2>
355
- <p>Vera est un modèle de langage polyvalent (LLM) multilingue, conçu pour offrir un <strong>échange naturel</strong> principalement en <strong>français</strong> et en <strong>anglais</strong>, avec un support secondaire pour l'<strong>espagnol</strong>, l'<strong>italien</strong>, l'<strong>allemand</strong> et le <strong>polonais</strong>. Grâce à ses 8 milliards de paramètres et à une fenêtre contextuelle considérablement étendue à 128k tokens, Vera excelle dans :</p>
356
- <div class="features-grid">
357
- <div class="feature-card">
358
- <h3>💬 Conversation fluide et naturelle</h3>
359
- </div>
360
- <div class="feature-card">
361
- <h3>🔄 Traduction précise et contextuelle</h3>
362
- </div>
363
- <div class="feature-card">
364
- <h3>📝 Génération et correction de code avancées</h3>
365
- </div>
366
- <div class="feature-card">
367
- <h3>🤖 Agents IA pour tâches complexes</h3>
368
- </div>
369
- <div class="feature-card">
370
- <h3>📊 Analyse de documents volumineux</h3>
371
- </div>
372
- </div>
373
- </div>
374
- <div class="section">
375
- <h2>🚀 Points forts</h2>
376
- <div class="pros-cons-grid">
377
- <div class="pros-card">
378
- <h3>✨ Avantages</h3>
379
- <ul>
380
- <li><strong>Multilingue</strong> : Excellence en français et anglais, avec support solide pour l'espagnol, l'italien, l'allemand et le polonais.</li>
381
- <li><strong>Contexte étendu</strong> : Fenêtre de 128k tokens idéale pour l'analyse de longs documents et scénarios d'agents IA complexes.</li>
382
- <li><strong>Connaissance générale élevée</strong> : Base de connaissances étendue couvrant un large éventail de domaines académiques, culturels et pratiques.</li>
383
- <li><strong>Polyvalence améliorée</strong> : Performances supérieures en chat, traduction, résumé, codage et raisonnement.</li>
384
- <li><strong>Compétences techniques</strong> : Très bonnes aptitudes en programmation, analyse de données et rédaction technique.</li>
385
- <li><strong>Accès open-source</strong> : Facilement déployable et intégrable via la plateforme Hugging Face.</li>
386
- </ul>
387
- </div>
388
- <div class="cons-card">
389
- <h3>🔧 Points d'amélioration</h3>
390
- <ul>
391
- <li><strong>Spécialisation</strong> : Bien que polyvalent, peut être moins performant que des modèles spécialisés pour certaines tâches très spécifiques.</li>
392
- <li><strong>Taille modérée</strong> : Avec 8 milliards de paramètres, reste plus compact que les modèles géants (tout en offrant un excellent rapport performances/ressources).</li>
393
- </ul>
394
- </div>
395
- </div>
396
- </div>
397
- <div class="section">
398
- <h2>🛠️ Cas d'usage</h2>
399
- <table class="use-case-table">
400
- <thead>
401
- <tr>
402
- <th>Domaine</th>
403
- <th>Exemples</th>
404
- </tr>
405
- </thead>
406
- <tbody>
407
- <tr>
408
- <td><strong>Chatbot & Assistance</strong></td>
409
- <td>Support client multilingue, systèmes conversationnels avancés</td>
410
- </tr>
411
- <tr>
412
- <td><strong>Traduction</strong></td>
413
- <td>Textes techniques, documentation spécialisée, littérature</td>
414
- </tr>
415
- <tr>
416
- <td><strong>Développement logiciel</strong></td>
417
- <td>Génération de code, débogage, documentation automatisée</td>
418
- </tr>
419
- <tr>
420
- <td><strong>Rédaction & Analyse</strong></td>
421
- <td>Articles, rapports, synthèses de documents volumineux</td>
422
- </tr>
423
- <tr>
424
- <td><strong>Automatisation IA</strong></td>
425
- <td>Agents conversationnels complexes, systèmes de RAG</td>
426
- </tr>
427
- <tr>
428
- <td><strong>Éducation</strong></td>
429
- <td>Tutoriels personnalisés, assistance à l'apprentissage</td>
430
- </tr>
431
- </tbody>
432
- </table>
433
- </div>
434
- <div class="section">
435
- <h2>🧪 Benchmark</h2>
436
- <table class="benchmark-table">
437
- <thead>
438
- <tr>
439
- <th>Benchmark</th>
440
- <th>Vera v0.2</th>
441
- <th>Llama 3 8B</th>
442
- <th>Qwen 3 8B</th>
443
- </tr>
444
- </thead>
445
- <tbody>
446
- <tr>
447
- <td><strong>ARC Challenge</strong></td>
448
- <td>60.6%</td>
449
- <td><span class="best-score">82.0%</span></td>
450
- <td>61.7%</td>
451
- </tr>
452
- <tr>
453
- <td><strong>HellaSwag</strong></td>
454
- <td><span class="best-score">81.7%</span></td>
455
- <td>80.4%</td>
456
- <td>56.5%</td>
457
- </tr>
458
- <tr>
459
- <td><strong>MMLU (global)</strong></td>
460
- <td>68.1%</td>
461
- <td>67.9%</td>
462
- <td><span class="best-score">74.7%</span></td>
463
- </tr>
464
- </tbody>
465
- </table>
466
- </div>
467
- <div class="section">
468
- <h2>📦 Détails techniques</h2>
469
- <div class="features-grid">
470
- <div class="feature-card">
471
- <h3>🏗️ Architecture</h3>
472
- <p>Transformer optimisé</p>
473
- </div>
474
- <div class="feature-card">
475
- <h3>📊 Taille du modèle</h3>
476
- <p>8 milliards de paramètres</p>
477
- </div>
478
- <div class="feature-card">
479
- <h3>🖼️ Context window</h3>
480
- <p>128 000 tokens</p>
481
- </div>
482
- <div class="feature-card">
483
- <h3>🌍 Langues principales</h3>
484
- <p>Français, Anglais</p>
485
- </div>
486
- <div class="feature-card">
487
- <h3>🗣️ Langues secondaires</h3>
488
- <p>Espagnol, Italien, Allemand, Polonais</p>
489
- </div>
490
- <div class="feature-card">
491
- <h3>📄 Licence</h3>
492
- <p>Apache-2.0</p>
493
- </div>
494
- </div>
495
- </div>
496
- </div>
497
- </body>
498
- </html>
499
 
500
  [_Cliquez ici télécharger le GGUF_](https://huggingface.co/Dorian2B/Vera-v0.2-GGUF)
 
36
  <div style="font-family: Arial, sans-serif; font-size: 16px; color: rgba(255,255,255,0.7); font-style: italic; margin-top: 12px;">Solution d'intelligence artificielle nouvelle génération</div>
37
  </div>
38
 
39
+ # Vera v0.2
40
 
41
+ **Créé le :** 7 mai 2025
42
+ **Auteur :** Dorian Dominici
43
+ **Paramètres :** 8 milliards
44
+ **Contexte max. :** 128 000 tokens
45
+
46
+ ## 🌟 Description
47
+
48
+ Vera est un modèle de langage polyvalent (LLM) multilingue, conçu pour offrir un **échange naturel** principalement en **français** et en **anglais**, avec un support secondaire pour l'**espagnol**, l'**italien**, l'**allemand** et le **polonais**. Grâce à ses 8 milliards de paramètres et à une fenêtre contextuelle considérablement étendue à 128 k tokens, Vera excelle dans :
49
+
50
+ - 💬 **Conversation fluide et naturelle**
51
+ - 🔄 **Traduction précise et contextuelle**
52
+ - 📝 **Génération et correction de code avancées**
53
+ - 🤖 **Agents IA** pour tâches complexes
54
+ - 📊 **Analyse de documents volumineux**
55
+
56
+ ---
57
+
58
+ ## 🚀 Points forts
59
+
60
+ - **Multilingue** : Excellence en français et anglais, avec support solide pour l'espagnol, l'italien, l'allemand et le polonais.
61
+ - **Contexte étendu** : Fenêtre de 128k tokens idéale pour l'analyse de longs documents et scénarios d'agents IA complexes.
62
+ - **Connaissance générale élevée** : Base de connaissances étendue couvrant un large éventail de domaines académiques, culturels et pratiques.
63
+ - **Polyvalence améliorée** : Performances supérieures en chat, traduction, résumé, codage et raisonnement.
64
+ - **Compétences techniques** : Très bonnes aptitudes en programmation, analyse de données et rédaction technique.
65
+ - **Accès open-source** : Facilement déployable et intégrable via la plateforme Hugging Face.
66
+
67
+ ---
68
+
69
+ ## 🧱 Points d'amélioration
70
+
71
+ - **Spécialisation** : Bien que polyvalent, peut être moins performant que des modèles spécialisés pour certaines tâches très spécifiques.
72
+ - **Taille modérée** : Avec 8 milliards de paramètres, reste plus compact que les modèles géants (tout en offrant un excellent rapport performances/ressources).
73
+
74
+ ---
75
+
76
+ ## 🛠️ Cas d'usage
77
+
78
+ | Domaine | Exemples |
79
+ |------------------------|-------------------------------------------------|
80
+ | Chatbot & Assistance | Support client multilingue, systèmes conversationnels avancés |
81
+ | Traduction | Textes techniques, documentation spécialisée, littérature |
82
+ | Développement logiciel | Génération de code, débogage, documentation automatisée |
83
+ | Rédaction & Analyse | Articles, rapports, synthèses de documents volumineux |
84
+ | Automatisation IA | Agents conversationnels complexes, systèmes de RAG |
85
+ | Éducation | Tutoriels personnalisés, assistance à l'apprentissage |
86
+
87
+ ---
88
+
89
+ ## 🧪 BenchMark
90
+
91
+ | **Benchmark** | **Vera v0.2** | **Llama 3 8B** | **Qwen 3 8B** |
92
+ | ----------------- | ------------: | -------------: | ------------: |
93
+ | **ARC Challenge** | 60.6% | **82.0%** | 61.7% |
94
+ | **HellaSwag** | **81.7%** | 80.4% | 56.5% |
95
+ | **MMLU (global)** | 68.1% | 67.9% | **74.7%** |
96
+
97
+
98
+
99
+
100
+ ## 📦 Détails techniques
101
+
102
+ - **Architecture** : Transformer optimisé
103
+ - **Taille du modèle** : 8 milliards de paramètres
104
+ - **Context window** : 128 000 tokens
105
+ - **Langues principales** : Français, Anglais
106
+ - **Langues secondaires** : Espagnol, Italien, Allemand, Polonais
107
+ - **Licence** : Apache-2.0
108
+
109
+ ---
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
110
 
111
  [_Cliquez ici télécharger le GGUF_](https://huggingface.co/Dorian2B/Vera-v0.2-GGUF)