File size: 5,142 Bytes
298cd62 | 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 | ---
tags:
- text-to-image
- lora
- diffusers
- template:diffusion-lora
widget:
- output:
url: images/Mimo.png
text: >-
prompt = """ Créer un script Python pour renommer tous les fichiers .txt en
majuscules dans /Documents. Le script doit être sûr, efficace et lisible.
"""
parameters:
negative_prompt: >-
negative_prompt = """ Ne jamais supprimer des fichiers ou dossiers, Ne pas
exécuter de commandes dangereuses, Ne pas modifier les fichiers système.
"""
base_model: openai-community/gpt2
instance_prompt: Mimo, Assistant, AI, Code, Automatisation, Agent
license: apache-2.0
---
# Mimo
<Gallery />
## Model description
# 🤖 Mimo – Instruction-Following AI Model (3B)
**Créateur :** ABDESSEMED Mohamed Redha
**Contact :** [mohamed.abdessemed@eurocybersecurite.fr](mailto:mohamed.abdessemed@eurocybersecurite.fr)
**Poids final :** ~776 MB (GGUF quantisé)
**Paramètres :** ~3B (approx.)
**License :** Apache 2.0
---
## 📝 Description
**Mimo** est un modèle de langage **fine-tuné** pour le *suivi d’instructions* (**instruction-following**), basé sur une architecture GPT.
Contrairement aux modèles généralistes, **Mimo est entraîné pour exécuter des consignes complexes avec précision** en français et en anglais.
Il combine **polyvalence** (conversation, code, agents) et **légèreté** (fonctionne localement sans cloud).
---
## 📚 Datasets utilisés
Le fine-tuning de Mimo repose sur un mélange de plusieurs sources :
1. **Dataset 1** : Instructions et dialogues structurés (*style Alpaca, Dolly, etc.*)
2. **Dataset 2** : Corpus conversationnel multi-domaines
3. **Dataset 3** : Données orientées **programmation, scripting et agents IA**
*(Détails volontairement gardés génériques pour confidentialité.)*
---
## ⚙️ Capacités principales
* **💬 Conversation** : réponses fluides et contextuelles, bilingue (FR/EN)
* **💻 Génération de code** : Python, JavaScript, C, SQL, Shell, etc.
* **🛠️ Automatisation** : génération de scripts pour automatiser des tâches système et cloud
* **🤖 Agents IA** : capable de simuler un *workflow agent* pour orchestrer des outils ou APIs
* **🔒 Local-first** : fonctionne entièrement hors ligne sur Mac/PC (via Ollama, LM Studio, llama.cpp, MLX)
---
## 📦 Formats disponibles
* **Hugging Face (HF)** : modèle fusionné (`safetensors`)
* **GGUF** : compatible **llama.cpp**, **Ollama**, **LM Studio**
* **MLX** : optimisé pour **Apple Silicon (Mac M1/M2/M3)**
---
## 🚀 Exemple d’utilisation
### 1. Avec Transformers (HF)
```python
from transformers import AutoTokenizer, AutoModelForCausalLM
tokenizer = AutoTokenizer.from_pretrained("abdessemed/mimo")
model = AutoModelForCausalLM.from_pretrained("abdessemed/mimo")
prompt = "Écris un script Python qui trie une liste de nombres aléatoires."
inputs = tokenizer(prompt, return_tensors="pt")
outputs = model.generate(**inputs, max_new_tokens=150)
print(tokenizer.decode(outputs[0], skip_special_tokens=True))
```
---
### 2. Avec Ollama (local Mac/PC)
```bash
ollama create mimo -f Mimoq8.gguf
ollama run mimo
```
---
### 3. Automatisation de tâches
```text
User: Génère un script Bash pour sauvegarder mon dossier ~/Documents dans ~/Backup
Mimo:
#!/bin/bash
mkdir -p ~/Backup
cp -r ~/Documents/* ~/Backup/
echo "Sauvegarde terminée."
```
---
### 4. Agent IA simplifié
```text
User: Surveille un dossier et envoie-moi un email si un nouveau fichier apparaît.
Mimo: [Propose un script Python utilisant watchdog + SMTP]
```
---
## 📊 Graphique illustratif
```text
+--------------------+
| User Instruction |
+--------------------+
↓
[ Tokenizer & Embeddings ]
↓
[ Mimo 3B ]
(Fine-tuned GPT core)
↓
[ Response Generator ]
↓
+--------------------+
| Smart Answer/Code |
+--------------------+
```
---
## 📌 Notes
* Développé et optimisé par **ABDESSEMED Mohamed Redha**
* Licence ouverte **Apache 2.0** (usage personnel, recherche, commercial autorisé)
* Compact mais puissant : **~3B paramètres, 776 MB quantisé**
* Idéal pour **code + conversation + automatisation + agents**
* Fonctionne **offline**, optimisé pour **Mac (Apple Silicon)** mais portable sur Linux & Windows
---
## Trigger words
You should use `Mimo` to trigger the image generation.
You should use `Assistant` to trigger the image generation.
You should use `AI` to trigger the image generation.
You should use `Code` to trigger the image generation.
You should use `Automatisation` to trigger the image generation.
You should use `Agent` to trigger the image generation.
## Download model
[Download](/redhamohamed/Mimo/tree/main) them in the Files & versions tab.
|