# LLM - LARGE LANGUAGE MODEL BAHASA INDONESIA

**INTISARI** adalah proyek riset dan pengembangan model bahasa Indonesia yang dibangun **from scratch**, dengan fokus pada model kecil yang tetap mampu menghasilkan bahasa yang natural dan koheren.

Pendekatan INTISARI bukan mengejar dataset sebesar mungkin, tetapi **tiny, high-quality dataset** yang dirancang dan dikurasi secara ketat. Data yang lebih terkontrol membantu menjaga konsistensi pola bahasa, konteks, dan perilaku model, sehingga kualitas dapat ditingkatkan tanpa harus terus memperbesar ukuran dataset.

## Preview
**[https://intisari.flatseek.io](https://intisari.flatseek.io)**


### Model

- **Base** — mempelajari fondasi dan pola bahasa Indonesia dari awal.
- **Instruct** — mengembangkan Base agar mampu memahami dan mengikuti instruksi.
- **Chat** — mengoptimalkan kemampuan percakapan yang natural, koheren, dan kontekstual.

### Pengembangan

INTISARI mengeksplorasi:

- **Tiny high-quality datasets** — memprioritaskan kualitas dan konsistensi data dibanding jumlah.
- **Synthetic data** — menghasilkan data terkontrol untuk target kemampuan tertentu.
- **Data curation** — menjaga kualitas, variasi, dan koherensi dataset.
- **Pretraining** — membangun kemampuan bahasa dari nol.
- **Instruction & conversational tuning** — mengembangkan Base menjadi Instruct dan Chat.
- **Iterative evaluation** — menguji dataset dan strategi training secara berulang.
- **Efficient inference** — mempertahankan model agar tetap praktis dijalankan dengan sumber daya terbatas.

> **Small data. Small models. High quality.**
>
> **Indonesian language intelligence, built from scratch.**