许可证：apache-2.0
标签：

• trl
• sft
• hinglish
  语言：
• 英语
• 印地语
  基础模型：
• Qwen/Qwen2.5-7B
  管道标签：文本生成

🚀 齐拉-Z.1 🌟

基于Qwen 2.5（7B）打造的双语巨兽

🧠 模型亮点

齐拉-Z.1 不仅仅是一个模型——它是理解英语和印地英语的革命性突破。
它源自强大的 Qwen 2.5（7B），经过微调，能够生成全球使用最广泛的两种语言的原始文本。

• 💥 基础模型：Qwen 2.5 - 7B（目前最优秀的开源LLM之一）
• 🗣️ 语言：英语 🇬🇧 + 印地英语 🇮🇳（混合编码，不含纯印地语）
• 🔧 训练：基于多样化的双语语料库微调——简洁、纯文本格式（非指令型）
• 🦾 用途：通用文本生成，尤其擅长英语和印地英语的自然混合场景

请注意，这是一个基础文本生成模型，输出内容可能缺乏连贯性；由于资源限制，新版指令模型的发布已推迟，预计约5天后上线。

🔍 为什么选择齐拉-Z.1？

因为多语言LLM很酷。
但齐拉-Z.1更酷。😎

• 🔗 代码切换？自然流畅。
• ✍️ 生成文化上地道、易于理解的印地英语。
• 📚 处理日常文本、评论、社交闲聊等场景游刃有余。
• 🎯 非常适合早期印度双语应用开发和实验

📉 训练曲线

她训练得很刻苦，成果显而易见...

🛠️ 使用方法

import transformers  

from transformers import AutoTokenizer, AutoModelForCausalLM  

tokenizer = AutoTokenizer.from_pretrained("HyperX-Sen/Zira-Z.1")  
model = AutoModelForCausalLM.from_pretrained("HyperX-Sen/Zira-Z.1")  

inputs = tokenizer("Tum kya soch rahe ho about AI?", return_tensors="pt")  
outputs = model.generate(**inputs, max_new_tokens=50)  
print(tokenizer.decode(outputs[0], skip_special_tokens=True))  

🧬 许可证与贡献

• 📜 许可证：开放用于研究和商业用途（详见LICENSE文件）
• 🤝 贡献：热烈欢迎（欢迎提交拉取请求）

用❤️、逻辑和大量奶茶 ☕ 打造而成