Model Name: TunChat-V0.1
Model Size: 2B parameters
Instruction-Tuned: Yes
Language: Tunisian Dialect
Use Case Focus: Conversational exchanges, translation, summarization, content generation, and cultural research.

Model Description: TunChat-V0.1 is a 2-billion parameter language model specifically instruction-tuned for the Tunisian dialect. It is designed to handle tasks such as conversational exchanges, informal text summarization, and culturally-aware content generation. The model is optimized to understand and generate text in Tunisian Dialect, enabling enhanced performance for applications targeting Tunisian users.

Intended Use:

Conversational agents and chatbots operating in Tunisian Dialect.
Translation, summarization, and content generation in informal Tunisian dialect.
Supporting cultural research related to Tunisian language and heritage.

How to Use:

python

import torch
from transformers import pipeline

pipe = pipeline(
    "text-generation",
    model="saifamdouni/TunChat-V0.1",
    model_kwargs={"torch_dtype": torch.bfloat16},
    device="cuda" # replace with "mps" to run on a Mac device
)

messages = [
    {"role": "user", "content": 'احكيلي على تونس'},
]

outputs = pipe(messages,
              max_new_tokens=2048,
              do_sample=True,
              top_p=0.95,
              temperature=0.7,
              top_k=50)
assistant_response = outputs[0]["generated_text"][-1]["content"].strip()
print(assistant_response)

تونس بلاد موجودة في شمال افريقيا، في الجنوب متاع البحر الأبيض المتوسط. عندها حدود مع ليبيا و الجزائر. تونس عندها مساحة جملية تقريب 176،700 كيلومتر مربع، و عدد سكان يوصل ل 11.7 مليون نسمة. العاصمة متاعها و أكبر مدينة هي تونس العاصمة، و العاصمة السياسية و الاقتصادية. تونس عندها تاريخ غني و ثقافة متنوعة، و فيها برشا معالم أثرية، كيما قرطاج، اللي كانت مدينة قديمة و مركز تجاري مهم في قرطاج القديمة. تونس عندها نظام اقتصادي متنوع، و قطاع الخدمات هو أكبر قطاع في البلاد. زيد على هذا، قطاع السياحة مهم زادة، خاطر البلاد معروفة بالبلايص التاريخية متاعها، الماكلة و الثقافة. في الخلاصة، تونس بلاد متنوعة و فيها برشا حاجات، عندها تاريخ غني، ثقافة فريدة و مناظر طبيعية خلابة.

Quantized Versions:

GGUF quantized versions will be released later.

Training Dataset:

Tun-SFT dataset (to be released later):
- A mix between organically collected and synthetically generated data

Limitations and Ethical Considerations:

The model may occasionally produce incorrect or biased responses.
The model may occasionally produce culturally inappropriate responses.
It may not perform optimally on formal Tunisian Arabic texts.

Future Plans:

Release of GGUF quantized versions.
Open-source availability of the Tun-SFT dataset.

Author: Saif Eddine Amdouni