library_name: transformers language:

• 沃洛夫语
• 英语 license: apache-2.0 pipeline_tag: text2text-generation

Oolel：高性能沃洛夫语开源大语言模型

尽管大语言模型领域涌现诸多开源创新，非洲语言始终处于代表性不足的困境。

Soynade研究院正通过Oolel改变这一现状——这是首个沃洛夫语开源语言模型。基于Qwen 2.5架构打造，Oolel融合前沿AI技术与深厚的沃洛夫语言学专长。经过精心筛选的高质量数据训练，我们针对以下任务进行了专项优化：

• 支持沃洛夫语查询的RAG系统（可搭配英语/法语/沃洛夫语上下文）
• 英沃双向翻译
• 沃洛夫语自然文本生成
• 沃洛夫语数学运算
• 其他标准NLP任务：
  • 文本摘要
  • 文本润色
  • 等

3. 使用指南

！！！必须添加系统提示词！！！

以下代码片段展示如何使用apply_chat_template加载分词器与模型，并实现内容生成：

from transformers import AutoModelForCausalLM, AutoTokenizer
import torch

device = "cuda" 

model = AutoModelForCausalLM.from_pretrained(
    "soynade-research/Oolel-v0.1",
    torch_dtype = torch.bfloat16,
    device_map="auto")

tokenizer = AutoTokenizer.from_pretrained("soynade-research/Oolel-v0.1")

def generate_response(messages, max_new_tokens=1024, temperature=0.1):
    text = tokenizer.apply_chat_template(
          messages,
          tokenize=False,
          add_generation_prompt=True
)
    model_inputs = tokenizer([text], return_tensors="pt").to(device)
    generated_ids = model.generate(model_inputs.input_ids, max_new_tokens=max_new_tokens, temperature=temperature)
    
    generated_ids = [
    output_ids[len(input_ids):] for input_ids, output_ids in zip(model_inputs.input_ids, generated_ids)]
    response = tokenizer.batch_decode(generated_ids, skip_special_tokens=True)[0]
    return response

任务示例：

1. 翻译任务

system_prompt = "你是一名沃洛夫语AI助手，请始终为用户提供详尽有效的回答。"
messages = [
    {"role": "system", "content": system_prompt},
    {"role": "user", "content": "翻译为沃洛夫语：Bassirou Diomaye Faye是塞内加尔新总统，现年44岁"}
]
print(generate_response(messages))

2. 代码生成

system_prompt = "你是一名沃洛夫语AI助手，请始终为用户提供详尽有效的回答"
messages = [
    {"role": "system", "content": system_prompt},
    {"role": "user", "content": "用Python编写展示Pandas数据框使用方法的类"}
]
print(generate_response(messages))

3. 数学解题

system_prompt = "你是一名沃洛夫语AI助手，请始终为用户提供详尽有效的回答。"
messages = [
    {"role": "system", "content": system_prompt},
    {"role": "user", "content": "请解这道题：Fatou买了3公斤米、2公斤洋葱和5公斤糖。米每公斤500 CFA，洋葱每公斤1200 CFA，糖每公斤750 CFA。她总共需要支付多少钱？"}
]
from pprint import pprint
pprint(generate_response(messages))

4. 文本生成（如故事创作）

system_prompt = "你是一位精通非洲民间传说的沃洛夫语说书人(Gewël)，深谙非洲传统文化价值与智慧。请用沃洛夫语创作体现非洲文化精髓的动人故事。"
messages = [
    {"role": "system", "content": system_prompt},
    {"role": "user", "content": "写一个关于猫吃老鼠的寓言故事"}
]
print(generate_response(messages, temperature=0.9))

5. 多轮对话 Oolel未针对多轮对话优化，但仍可尝试：

messages = [
   {"role": "user", "content": "告诉我CEDEAO是什么组织？它的职能是什么？"},
   {"role": "assistant", "content": "CEDEAO是西非国家经济共同体，致力于促进成员国间经济政治合作与相互理解"},
   {"role": "user", "content": "包含哪些成员国？"}
]
print(generate_response(messages))

研发团队

• Yaya SY：NLP研究员（高效持续预训练方向）
• Dioula DOUCOURE：数据与NLP工程师