Improve language tag

README.md

@@ -1,64 +1,76 @@
----
-datasets:
-- IlyaGusev/saiga_scored
-- IlyaGusev/saiga_preferences
-- dichspace/darulm
-language:
-- ru
-pipeline_tag: text-generation
-license: apache-2.0
-base_model:
-- Qwen/Qwen2.5-32B
-- t-tech/T-pro-it-1.0
----
-
-## Описание модели
-
-WORK IN PROGRESS!!! Текущая версия v1.
-
-Адаптация модели T-pro-it-1.0 на русский язык. В модели был заменен токенизатор, затем произведено дообучение (Continued pretraining) на русскоязычном корпусе, после чего была применена техника LEP (Learned Embedding Propagation).
-
-Благодаря новому токенизатору (расширенный tiktoken cl100k с помощью униграм токенизатора на 48 т. токенов) скорость генерации* русскоязычных текстов возрасла до 60% по сравнению с исходной моделью T-pro-it-1.0.
-
-*Под скоростью генерации подразумевается количество русскоязычных символов/слов в секунду на одинаковых текстовых последовательностях.
-
-## Попробовать
-
-Модель можно попробовать в поднятом Space (внизу в параметрах выбор модели): 
-https://huggingface.co/spaces/RefalMachine/RuadaptQwen2.5
-
-## Токенизация
-
-![image/png](https://cdn-uploads.huggingface.co/production/uploads/652cedbdf120598322ae358a/O4eQEhnowETEatDPcmArB.png)
-
-
-![image/png](https://cdn-uploads.huggingface.co/production/uploads/652cedbdf120598322ae358a/oW0Q6LzD_Py3GdH0kfqu4.png)
-
-## Метрики и оценка качества
-
-Модель была оценена на Ru-Arena-General, MERA, llmtf_open
-
-#### Результаты на Ru-Arena-General
-
-Замеры были произведены с использованием оффициального кода лидерборда (https://github.com/VikhrModels/ru_llm_arena), **но с repetition_penalty=1.1**.
-
-
-![image/png](https://cdn-uploads.huggingface.co/production/uploads/652cedbdf120598322ae358a/xxSjW3X56SEfEtZJAurAK.png)
-
-#### Результаты на MERA
-
-TODO
-
-#### Результаты на llmtf_open
-
-TODO
-
-## How to cite:
-
-Tikhomirov M., Chernyshov D. Facilitating Large Language Model Russian Adaptation with Learned Embedding Propagation //Journal of Language and Education. – 2024. – Т. 10. – №. 4. – С. 130-145.
-
-Tikhomirov M., Chernyshev D. Impact of Tokenization on LLaMa Russian Adaptation //2023 Ivannikov Ispras Open Conference (ISPRAS). – IEEE, 2023. – С. 163-168.
-
-## Предупреждение
-
+---
+datasets:
+- IlyaGusev/saiga_scored
+- IlyaGusev/saiga_preferences
+- dichspace/darulm
+language:
+- zho
+- eng
+- fra
+- spa
+- por
+- deu
+- ita
+- rus
+- jpn
+- kor
+- vie
+- tha
+- ara
+pipeline_tag: text-generation
+license: apache-2.0
+base_model:
+- Qwen/Qwen2.5-32B
+- t-tech/T-pro-it-1.0
+---
+
+## Описание модели
+
+WORK IN PROGRESS!!! Текущая версия v1.
+
+Адаптация модели T-pro-it-1.0 на русский язык. В модели был заменен токенизатор, затем произведено дообучение (Continued pretraining) на русскоязычном корпусе, после чего была применена техника LEP (Learned Embedding Propagation).
+
+Благодаря новому токенизатору (расширенный tiktoken cl100k с помощью униграм токенизатора на 48 т. токенов) скорость генерации* русскоязычных текстов возрасла до 60% по сравнению с исходной моделью T-pro-it-1.0.
+
+*Под скоростью генерации подразумевается количество русскоязычных символов/слов в секунду на одинаковых текстовых последовательностях.
+
+## Попробовать
+
+Модель можно попробовать в поднятом Space (внизу в параметрах выбор модели): 
+https://huggingface.co/spaces/RefalMachine/RuadaptQwen2.5
+
+## Токенизация
+
+![image/png](https://cdn-uploads.huggingface.co/production/uploads/652cedbdf120598322ae358a/O4eQEhnowETEatDPcmArB.png)
+
+
+![image/png](https://cdn-uploads.huggingface.co/production/uploads/652cedbdf120598322ae358a/oW0Q6LzD_Py3GdH0kfqu4.png)
+
+## Метрики и оценка качества
+
+Модель была оценена на Ru-Arena-General, MERA, llmtf_open
+
+#### Результаты на Ru-Arena-General
+
+Замеры были произведены с использованием оффициального кода лидерборда (https://github.com/VikhrModels/ru_llm_arena), **но с repetition_penalty=1.1**.
+
+
+![image/png](https://cdn-uploads.huggingface.co/production/uploads/652cedbdf120598322ae358a/xxSjW3X56SEfEtZJAurAK.png)
+
+#### Результаты на MERA
+
+TODO
+
+#### Результаты на llmtf_open
+
+TODO
+
+## How to cite:
+
+Tikhomirov M., Chernyshov D. Facilitating Large Language Model Russian Adaptation with Learned Embedding Propagation //Journal of Language and Education. – 2024. – Т. 10. – №. 4. – С. 130-145.
+
+Tikhomirov M., Chernyshev D. Impact of Tokenization on LLaMa Russian Adaptation //2023 Ivannikov Ispras Open Conference (ISPRAS). – IEEE, 2023. – С. 163-168.
+
+## Предупреждение
+
 Ответы модели не отражают мнения авторов, а лишь повторяют знания полученные из данных на всех этапах обучения (предобучение, смена токенизатора, обучение на инструкциях, калибровка качества ответов). Модель была получена из сторонней предобученной модели, **контроль за предобучением** которой **не является ответственностью текущих авторов**. При создании данной версии модели не производилось никаких дополнительных действий, направленных на изменение заложенных в LLM "мнений". Используйте с осторожностью.