پشتیبانی قوی از زبان فارسی: درک عمیق دستورات متنی، خلاصه سازی و پاسخ‌دهی روان.
بهینه‌شده برای اجرا روی سیستم‌های خانگی: قابلیت اجرا روی GPUهای معمولی و حتی CPU (با فرمت GGUF).
مناسب برای چت و اتوماسیون: سازگار با اکوسیستم‌های Ollama و Transformers.

📊 جزئیات آموزش (Training Details)

مدل پایه (Base Model): Qwen2.5-3B
روش آموزش: Instruction Fine-Tuning با استفاده از روش LoRA / PEFT
سخت‌افزار آموزش: NVIDIA T4 / A100 GPUs
Hyperparameters:
- Learning Rate: 2e-4
- Batch Size: 4
- Gradient Accumulation Steps: 4
- Optimizer: AdamW

🏎️ نحوه استفاده (Usage)

python

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

repo_id = "ali-arshiya/moeinGTS1.5-3b"

tokenizer = AutoTokenizer.from_pretrained(repo_id)
model = AutoModelForCausalLM.from_pretrained(
    repo_id,
    torch_dtype=torch.float16,
    device_map="auto"
)

prompt = "اروش‌های بهبود کارایی مدل‌های هوش مصنوعی چیست؟"
inputs = tokenizer(prompt, return_tensors="pt").to("cuda")

outputs = model.generate(**inputs, max_new_tokens=150)
print(tokenizer.decode(outputs[0], skip_special_tokens=True))