---
language:
- ml
- en
license: apache-2.0
tags:
- malayalam
- indic-llm
- instruction-tuned
- text-generation
- kerala
pipeline_tag: text-generation
---

# 🪔 Guru (ഗുരു)

**ഗുരു** എന്നാൽ "അധ്യാപകൻ" അല്ലെങ്കിൽ "വഴികാട്ടി" എന്നാണർത്ഥം. ഈ പേരു അന്വർത്ഥമാക്കുന്ന
തരത്തിൽ, **Guru** മലയാളത്തിൽ സ്വാഭാവികമായും കൃത്യമായും ആശയവിനിമയം നടത്താൻ കഴിവുള്ള ഒരു
ഭാഷാ മോഡലാണ്. കേരള സർക്കാർ സേവനങ്ങളെക്കുറിച്ചുള്ള ചോദ്യങ്ങൾക്ക് ഉത്തരം നൽകാനും
പൊതുവായ മലയാളം നിർദ്ദേശങ്ങൾ പിന്തുടരാനും ഇത് പ്രത്യേകം പരിശീലിപ്പിച്ചിരിക്കുന്നു.

**Guru** is a Malayalam-focused instruction-tuned language model, built to understand and
generate natural, fluent Malayalam — with particular strength in answering questions about
Kerala government services and general Malayalam instruction-following.

## Model Details

- **Model name:** Guru (`NeoSapian/GURU-v1`)
- **Language focus:** Malayalam (ml), with English support
- **Domain:** Kerala government services, general Malayalam instruction-following
- **Format:** Full-precision merged weights (safetensors)

## Training Data

Fine-tuned on a curated instruction dataset of Malayalam prompt/response pairs covering
Kerala government services, formatted in an Alpaca / role-prompt style.

## Intended Use

- Malayalam-language chat and instruction-following assistants
- Answering questions about Kerala government services in Malayalam
- General Malayalam NLP research and experimentation

## How to Use

```python
from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "NeoSapian/GURU-v1"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(model_id, device_map="auto", dtype="auto")

messages = [{"role": "user", "content": "കേരള സർക്കാരിന്റെ ക്ഷേമ പദ്ധതികളെക്കുറിച്ച് പറയാമോ?"}]
inputs = tokenizer.apply_chat_template(messages, add_generation_prompt=True, return_tensors="pt").to(model.device)
outputs = model.generate(inputs, max_new_tokens=512)
print(tokenizer.decode(outputs[0], skip_special_tokens=True))
```

## Limitations

- Fine-tuned on a domain-specific dataset (Kerala govt services), so performance on topics outside this domain may vary.
- Not evaluated for safety-critical, legal, or medical decision-making — verify outputs before relying on them for such use cases.

## License

Released under **Apache 2.0**.

## Citation

If you use Guru, please consider citing this repository.