Spaces:
No application file
No application file
Update README.md
Browse files
README.md
CHANGED
|
@@ -1,10 +1,73 @@
|
|
| 1 |
---
|
| 2 |
-
title:
|
| 3 |
-
|
| 4 |
-
|
| 5 |
-
|
| 6 |
-
|
| 7 |
pinned: false
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 8 |
---
|
| 9 |
|
| 10 |
-
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
---
|
| 2 |
+
title: Capibara LLM
|
| 3 |
+
colorFrom: green
|
| 4 |
+
colorTo: yellow
|
| 5 |
+
sdk: docker
|
| 6 |
+
app_file: app.py
|
| 7 |
pinned: false
|
| 8 |
+
license: apache-2.0
|
| 9 |
+
short_description: Open Source LLMs & Datasets for Guarani Jopara (Paraguay).
|
| 10 |
+
language:
|
| 11 |
+
- gn
|
| 12 |
+
- es
|
| 13 |
+
tags:
|
| 14 |
+
- nlp
|
| 15 |
+
- llm
|
| 16 |
+
- low-resource-languages
|
| 17 |
+
- paraguay
|
| 18 |
+
- jopara
|
| 19 |
+
- capibara
|
| 20 |
---
|
| 21 |
|
| 22 |
+
# 馃惞 Capibara-LLM
|
| 23 |
+
|
| 24 |
+
> **Inteligencia Artificial con identidad paraguaya.**
|
| 25 |
+
|
| 26 |
+
Bienvenido a **Capibara-LLM**, una iniciativa Open Source dedicada al desarrollo de Modelos de Lenguaje (LLMs) y Datasets para el idioma **Guaran铆** y su variante **Jopara**.
|
| 27 |
+
|
| 28 |
+
Al igual que el Capibara, buscamos ser una comunidad social, tranquila y amigable con el ecosistema open-source.
|
| 29 |
+
|
| 30 |
+
[](https://github.com/Capibara-LLM)
|
| 31 |
+
[](https://huggingface.co/Capibara-LLM)
|
| 32 |
+
|
| 33 |
+
|
| 34 |
+
---
|
| 35 |
+
|
| 36 |
+
## 馃幆 Nuestra Misi贸n
|
| 37 |
+
|
| 38 |
+
El Guaran铆 es un idioma "low-resource" en el mundo de la IA. En **Capibara-LLM** trabajamos para cambiar eso mediante:
|
| 39 |
+
|
| 40 |
+
1. **Recopilaci贸n de Datos:** Creaci贸n de los datasets m谩s extensos de Guarani-Jopara.
|
| 41 |
+
2. **Fine-Tuning:** Adaptaci贸n de modelos Gemma, Llama, Qwen y Mistral para que "hablen" como nosotros.
|
| 42 |
+
3. **Cultura:** Preservar la riqueza lingu铆stica de Paraguay en la era digital.
|
| 43 |
+
|
| 44 |
+
---
|
| 45 |
+
|
| 46 |
+
## 馃殌 Modelos (The Capibara Zoo)
|
| 47 |
+
|
| 48 |
+
Modelos ajustados para traducci贸n, generaci贸n de texto y comprensi贸n cultural.
|
| 49 |
+
|
| 50 |
+
| Modelo | Base | Descripci贸n | Link |
|
| 51 |
+
| :--- | :--- | :--- | :--- |
|
| 52 |
+
| **Capibara-LLM/gemma-2-9b-it-SimPO-Jopara** | Gemma 2 9B it | Nuestro modelo insignia. Entiende y genera Guarani-Jopara. | [Ver Modelo](https://huggingface.co/Capibara-LLM/gemma-2-9b-it-SimPO-Jopara) |
|
| 53 |
+
|
| 54 |
+
|
| 55 |
+
---
|
| 56 |
+
|
| 57 |
+
## 馃摎 Datasets
|
| 58 |
+
|
| 59 |
+
La comida de nuestros Capibaras (Datos):
|
| 60 |
+
|
| 61 |
+
* 馃搨 **[Capibara-LLM/dataset-guarani-jopara-v01]**: Dataset de instrucciones estilo Alpaca traducido al Guarani-Jopara.
|
| 62 |
+
* 馃搨 **[Capibara-LLM/gn-multi-affective-alpaca]**: Texto masivo limpio de fuentes web y literatura paraguaya.
|
| 63 |
+
|
| 64 |
+
---
|
| 65 |
+
|
| 66 |
+
## 馃 脷nete a la Manada
|
| 67 |
+
|
| 68 |
+
Estamos buscando colaboradores para GitHub y Hugging Face.
|
| 69 |
+
|
| 70 |
+
* **Desarrolladores:** Ayuda a limpiar datos en [GitHub](https://github.com/Capibara-LLM).
|
| 71 |
+
* **Hablantes Nativos:** Ayuda a validar las respuestas de nuestros modelos.
|
| 72 |
+
|
| 73 |
+
> *Hecho con 馃 y 鉂わ笍 desde Paraguay.*
|