Instructions to use Finisha-F-scratch/Lorias-v1 with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Libraries

How to use Finisha-F-scratch/Lorias-v1 with Transformers:

# Use a pipeline as a high-level helper
from transformers import pipeline

pipe = pipeline("text-generation", model="Finisha-F-scratch/Lorias-v1")

# Load model directly
from transformers import AutoTokenizer, AutoModelForCausalLM

tokenizer = AutoTokenizer.from_pretrained("Finisha-F-scratch/Lorias-v1")
model = AutoModelForCausalLM.from_pretrained("Finisha-F-scratch/Lorias-v1")

Notebooks
Google Colab
Kaggle
Local Apps

vLLM

How to use Finisha-F-scratch/Lorias-v1 with vLLM:

Install from pip and serve model

# Install vLLM from pip:
pip install vllm
# Start the vLLM server:
vllm serve "Finisha-F-scratch/Lorias-v1"
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:8000/v1/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "Finisha-F-scratch/Lorias-v1",
		"prompt": "Once upon a time,",
		"max_tokens": 512,
		"temperature": 0.5
	}'

Use Docker

docker model run hf.co/Finisha-F-scratch/Lorias-v1

SGLang

How to use Finisha-F-scratch/Lorias-v1 with SGLang:

Install from pip and serve model

# Install SGLang from pip:
pip install sglang
# Start the SGLang server:
python3 -m sglang.launch_server \
    --model-path "Finisha-F-scratch/Lorias-v1" \
    --host 0.0.0.0 \
    --port 30000
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:30000/v1/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "Finisha-F-scratch/Lorias-v1",
		"prompt": "Once upon a time,",
		"max_tokens": 512,
		"temperature": 0.5
	}'

Use Docker images

docker run --gpus all \
    --shm-size 32g \
    -p 30000:30000 \
    -v ~/.cache/huggingface:/root/.cache/huggingface \
    --env "HF_TOKEN=<secret>" \
    --ipc=host \
    lmsysorg/sglang:latest \
    python3 -m sglang.launch_server \
        --model-path "Finisha-F-scratch/Lorias-v1" \
        --host 0.0.0.0 \
        --port 30000
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:30000/v1/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "Finisha-F-scratch/Lorias-v1",
		"prompt": "Once upon a time,",
		"max_tokens": 512,
		"temperature": 0.5
	}'

Docker Model Runner
How to use Finisha-F-scratch/Lorias-v1 with Docker Model Runner:
```
docker model run hf.co/Finisha-F-scratch/Lorias-v1
```

🐺 Lorias-v1 : French Language Model From Scratch

Bienvenue dans le dépôt officiel de Lorias-v1, un modèle de langage (LLM) de 1 milliard de paramètres, entièrement conçu et pré-entraîné pour la langue française par Clémence (Finisha).

📌 Présentation du Projet

Lorias-v1 représente une étape majeure dans la création de modèles souverains et spécialisés. Contrairement à de nombreux modèles qui se contentent d'un affinage (fine-tuning), Lorias-v1 a été bâti "from scratch", avec une architecture optimisée et un tokenizer propriétaire spécifiquement entraîné sur des corpus francophones.

Développeuse : Clémence (Finisha)
Taille : 1 Milliard de paramètres
Langue : Français 🇫🇷
Statut : Base Model (Pre-trained)

🚀 Caractéristiques Techniques

🏗️ Architecture & Tokenisation

Architecture : Transformer decoder-only optimisé.
Tokenizer : Custom French Tokenizer, conçu pour capturer les nuances morphologiques de la langue française et réduire la segmentation abusive des mots complexes.
Vocabulaire : Optimisé pour maximiser l'efficacité du contexte en français.

🧠 Capacités Actuelles

Le modèle est actuellement en phase de post-pré-entraînement. Ses performances se concentrent sur :

Maîtrise Syntaxique : Une excellente compréhension de la structure des phrases et de la grammaire française.
Fluidité : Capacité à générer des séquences de mots cohérentes sur le plan structurel.
Connecteurs Logiques : Utilisation de charnières linguistiques pour lier les concepts.

Note importante : En tant que modèle de base non affiné, Lorias-v1 se concentre sur la structure. La cohérence sémantique profonde et la spécialisation aux instructions seront apportées lors des prochaines phases de Fine-tuning (SFT).

📊 Performances & Comportement

Actuellement, Lorias-v1 montre une propension à générer des listes terminologiques reliées par des connecteurs inattendus. Ce comportement est typique d'un modèle de 1B qui a parfaitement assimilé la forme de la langue avant d'en stabiliser le fond.

Aspect	Statut
Syntaxe	✅ Excellent
Orthographe	✅ Maîtrisé
Sémantique	🔄 En cours (via futur Fine-tuning)
Logique métier	📅 Prévu pour v1.1

🛠️ Utilisation (Roadmap)

Phase 1 (Actuelle) : Exploration de la structure linguistique et complétion de texte.
Phase 2 (Prochainement) : Fine-tuning supervisé (Instruct) pour aligner les réponses aux intentions des utilisateurs.
Phase 3 : Optimisation de la sémantique et réduction des hallucinations structurelles.