Upload folder using huggingface_hub

.gitattributes

@@ -33,3 +33,4 @@ saved_model/**/* filter=lfs diff=lfs merge=lfs -text
 *.zip filter=lfs diff=lfs merge=lfs -text
 *.zst filter=lfs diff=lfs merge=lfs -text
 *tfevents* filter=lfs diff=lfs merge=lfs -text
+tokenizer.json filter=lfs diff=lfs merge=lfs -text

README.md

@@ -0,0 +1,97 @@
+---
+language:
+- es
+- guc
+license: gemma
+base_model: google/translategemma-4b-it
+tags:
+- translation
+- low-resource-language
+- indigenous-languages
+- language-preservation
+- wayuunaiki
+- arawak
+- spanish
+- putchi
+- translategemma
+pipeline_tag: translation
+---
+
+# 🪶 Pütchi — Traductor y Guardián del Wayuunaiki (v0.2)
+
+> **El tercer pilar del ecosistema MARDUK** · Justicia (TutelaBot) → Seguridad (VulnSentinel) → **Lengua y Cultura (Pütchi)**
+
+**Pütchi** («la palabra» en wayuunaiki) es un modelo de traducción **Español ↔ Wayuunaiki** (ISO 639-3
+`guc`, familia Arawak, pueblo Wayúu de La Guajira), afinado con LoRA sobre
+[`google/translategemma-4b-it`](https://huggingface.co/google/translategemma-4b-it) (Gemma 3) y pensado
+para correr **100% offline** en hardware modesto, respetando la soberanía de datos de las comunidades.
+
+## ⚠️ Estado honesto: borrador v0.2 — sin validar por hablantes
+
+Pütchi v0.2 es un **fraseario**, **no un traductor profesional**:
+
+- ✅ Traduce el **léxico que aprendió** en ambas direcciones y **se detiene correctamente** (no degenera).
+- ⚠️ **No generaliza** a vocabulario o frases nuevas (en pares reservados/held-out el exact-match es 0%).
+- ⚠️ El lexicón fue **minado de fuentes publicadas y aún no validado por hablantes patrimoniales**.
+
+No debe usarse como autoridad única en contextos ceremoniales, jurídicos o de salud. Es un **obsequio
+comunitario en construcción**, en el marco del Decenio Internacional de las Lenguas Indígenas 2022–2032.
+
+## 📊 Benchmark (34 ítems, vs base TranslateGemma)
+
+| Métrica | BASE | v0.1 | **v0.2** |
+|---|:---:|:---:|:---:|
+| Exact-match global | 2.9 % | 41.2 % | **73.5 %** |
+| chrF global | 7.3 | 15.1 | **76.9** |
+| Degeneración global | 2.9 % | 58.8 % | **0.0 %** |
+| EM español→wayuunaiki | 6.2 % | 18.8 % | **81.2 %** |
+| EM wayuunaiki→español | 0 % | 68.8 % | **75.0 %** |
+
+v0.2 corrige la señal de fin de turno (EOS) que hacía a v0.1 generar texto sin parar (run-on) en
+español→wayuunaiki.
+
+## 🚀 Uso
+
+**Ollama (GGUF, recomendado):**
+```bash
+ollama run bladealex/putchi
+```
+
+**Transformers (safetensors de este repo):**
+```python
+from transformers import AutoModelForCausalLM, AutoTokenizer
+import torch
+
+tok = AutoTokenizer.from_pretrained("bladealex/putchi")
+model = AutoModelForCausalLM.from_pretrained("bladealex/putchi", torch_dtype=torch.bfloat16)
+msgs = [{"role": "user", "content": "Traduce del wayuunaiki al español: wiin"}]
+inputs = tok.apply_chat_template(msgs, add_generation_prompt=True, return_tensors="pt", return_dict=True)
+print(tok.decode(model.generate(**inputs, max_new_tokens=32)[0][inputs["input_ids"].shape[1]:], skip_special_tokens=True))
+# → agua
+```
+
+Ejemplos que funcionan: `wiin→agua`, `siki→fuego`, `tepichi→niño`, `pütchi→palabra`,
+`¿Cómo se dice «agua» en wayuunaiki?` → `wiin`.
+
+## 🌿 Particularidades respetadas
+Vocal central alta `ü`, cierre glotal (saltillo `'`) como fonema pleno, género proyectado por el
+hablante (`-kai`/`-kalü`/`-kana`), sintaxis verbo-inicial, voz pasiva morfológica, dialectos
+arribero/abajero.
+
+## 🤝 Ética y gobernanza
+Adopta principios de gobernanza de datos indígenas (CARE / OCAP). No reemplaza a hablantes
+patrimoniales, maestros EIB ni al *pütchipü'ü*. Se busca activamente la validación comunitaria antes
+de cualquier uso oficial.
+
+## 🔗 Recursos
+- 💻 Código, pipeline reproducible y documentación completa: **https://github.com/bladealex9848/gemma-tuner**
+- 🦙 GGUF listo para usar: **https://ollama.com/bladealex/putchi**
+- 🧰 Skill experto en wayuunaiki (traductor asistido por reglas que **marca lo que no sabe**): en el repo de GitHub.
+
+---
+
+**Autor:** Alexander Oviedo Fadul ([@bladealex9848](https://github.com/bladealex9848)) · Ingeniero de
+Sistemas, arquitecto del Ecosistema MARDUK · Colombia.
+
+> *Pütchi es un obsequio para el pueblo wayúu y para quienes defienden las lenguas originarias. Solo
+> pide que la palabra —pütchi— se use con respeto.*

added_tokens.json

@@ -0,0 +1,3 @@
+{
+  "<image_soft_token>": 262144
+}

config.json

@@ -0,0 +1,78 @@
+{
+  "_sliding_window_pattern": 6,
+  "attention_bias": false,
+  "attention_dropout": 0.0,
+  "attn_logit_softcapping": null,
+  "bos_token_id": 2,
+  "dtype": "bfloat16",
+  "eos_token_id": 1,
+  "final_logit_softcapping": null,
+  "head_dim": 256,
+  "hidden_activation": "gelu_pytorch_tanh",
+  "hidden_size": 2560,
+  "initializer_range": 0.02,
+  "intermediate_size": 10240,
+  "layer_types": [
+    "sliding_attention",
+    "sliding_attention",
+    "sliding_attention",
+    "sliding_attention",
+    "sliding_attention",
+    "full_attention",
+    "sliding_attention",
+    "sliding_attention",
+    "sliding_attention",
+    "sliding_attention",
+    "sliding_attention",
+    "full_attention",
+    "sliding_attention",
+    "sliding_attention",
+    "sliding_attention",
+    "sliding_attention",
+    "sliding_attention",
+    "full_attention",
+    "sliding_attention",
+    "sliding_attention",
+    "sliding_attention",
+    "sliding_attention",
+    "sliding_attention",
+    "full_attention",
+    "sliding_attention",
+    "sliding_attention",
+    "sliding_attention",
+    "sliding_attention",
+    "sliding_attention",
+    "full_attention",
+    "sliding_attention",
+    "sliding_attention",
+    "sliding_attention",
+    "sliding_attention"
+  ],
+  "max_position_embeddings": 131072,
+  "model_type": "gemma3_text",
+  "num_attention_heads": 8,
+  "num_hidden_layers": 34,
+  "num_key_value_heads": 4,
+  "pad_token_id": 0,
+  "query_pre_attn_scalar": 256,
+  "rms_norm_eps": 1e-06,
+  "rope_parameters": {
+    "full_attention": {
+      "factor": 8.0,
+      "rope_theta": 1000000,
+      "rope_type": "linear"
+    },
+    "sliding_attention": {
+      "rope_theta": 10000,
+      "rope_type": "default"
+    }
+  },
+  "sliding_window": 1024,
+  "tie_word_embeddings": true,
+  "use_bidirectional_attention": false,
+  "use_cache": true,
+  "vocab_size": 262208,
+  "architectures": [
+    "Gemma3ForCausalLM"
+  ]
+}

generation_config.json

@@ -0,0 +1,11 @@
+{
+  "cache_implementation": "hybrid",
+  "do_sample": true,
+  "eos_token_id": [
+    1,
+    106
+  ],
+  "top_k": 64,
+  "top_p": 0.95,
+  "transformers_version": "5.5.3"
+}

model.safetensors

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:0e63a3851f30243bcd645181f1dfbb06bc55e79c9217ba308529549bd5b6e037
+size 7760578120

special_tokens_map.json

@@ -0,0 +1,33 @@
+{
+  "boi_token": "<start_of_image>",
+  "bos_token": {
+    "content": "<bos>",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  },
+  "eoi_token": "<end_of_image>",
+  "eos_token": {
+    "content": "<eos>",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  },
+  "image_token": "<image_soft_token>",
+  "pad_token": {
+    "content": "<pad>",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  },
+  "unk_token": {
+    "content": "<unk>",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  }
+}

tokenizer.json

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:daab2354f8a74e70d70b4d1f804939b68a8c9624dd06cb7858e52dd8970e9726
+size 33384567

tokenizer.model

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:1299c11d7cf632ef3b4e11937501358ada021bbdf7c47638d13c0ee982f2e79c
+size 4689074

tokenizer_config.json

@@ -0,0 +1,25 @@
+{
+  "backend": "tokenizers",
+  "boi_token": "<start_of_image>",
+  "bos_token": "<bos>",
+  "clean_up_tokenization_spaces": false,
+  "eoi_token": "<end_of_image>",
+  "eos_token": "<eos>",
+  "image_token": "<image_soft_token>",
+  "is_local": false,
+  "mask_token": "<mask>",
+  "model_max_length": 1000000000000000019884624838656,
+  "model_specific_special_tokens": {
+    "boi_token": "<start_of_image>",
+    "eoi_token": "<end_of_image>",
+    "image_token": "<image_soft_token>"
+  },
+  "pad_token": "<pad>",
+  "padding_side": "left",
+  "processor_class": "Gemma3Processor",
+  "sp_model_kwargs": null,
+  "spaces_between_special_tokens": false,
+  "tokenizer_class": "GemmaTokenizer",
+  "unk_token": "<unk>",
+  "use_default_system_prompt": false
+}