初始化项目，由ModelHub XC社区提供模型

Model: Finisha-F-scratch/Ilyana-pretrain
Source: Original Platform

.gitattributes

@@ -0,0 +1,35 @@
+*.7z filter=lfs diff=lfs merge=lfs -text
+*.arrow filter=lfs diff=lfs merge=lfs -text
+*.bin filter=lfs diff=lfs merge=lfs -text
+*.bz2 filter=lfs diff=lfs merge=lfs -text
+*.ckpt filter=lfs diff=lfs merge=lfs -text
+*.ftz filter=lfs diff=lfs merge=lfs -text
+*.gz filter=lfs diff=lfs merge=lfs -text
+*.h5 filter=lfs diff=lfs merge=lfs -text
+*.joblib filter=lfs diff=lfs merge=lfs -text
+*.lfs.* filter=lfs diff=lfs merge=lfs -text
+*.mlmodel filter=lfs diff=lfs merge=lfs -text
+*.model filter=lfs diff=lfs merge=lfs -text
+*.msgpack filter=lfs diff=lfs merge=lfs -text
+*.npy filter=lfs diff=lfs merge=lfs -text
+*.npz filter=lfs diff=lfs merge=lfs -text
+*.onnx filter=lfs diff=lfs merge=lfs -text
+*.ot filter=lfs diff=lfs merge=lfs -text
+*.parquet filter=lfs diff=lfs merge=lfs -text
+*.pb filter=lfs diff=lfs merge=lfs -text
+*.pickle filter=lfs diff=lfs merge=lfs -text
+*.pkl filter=lfs diff=lfs merge=lfs -text
+*.pt filter=lfs diff=lfs merge=lfs -text
+*.pth filter=lfs diff=lfs merge=lfs -text
+*.rar filter=lfs diff=lfs merge=lfs -text
+*.safetensors filter=lfs diff=lfs merge=lfs -text
+saved_model/**/* filter=lfs diff=lfs merge=lfs -text
+*.tar.* filter=lfs diff=lfs merge=lfs -text
+*.tar filter=lfs diff=lfs merge=lfs -text
+*.tflite filter=lfs diff=lfs merge=lfs -text
+*.tgz filter=lfs diff=lfs merge=lfs -text
+*.wasm filter=lfs diff=lfs merge=lfs -text
+*.xz filter=lfs diff=lfs merge=lfs -text
+*.zip filter=lfs diff=lfs merge=lfs -text
+*.zst filter=lfs diff=lfs merge=lfs -text
+*tfevents* filter=lfs diff=lfs merge=lfs -text

LICENSE

@@ -0,0 +1,32 @@
+**🩷 Gheya innov open source🩷** (GIOS-terme)
+
+selon les standards de LICENSE Gheya ci dessous.
+vous vous engagez a accepter les conditions d'utilisation d'utilisation des modèles de la série gheya,
+et de les utiliser pour de bons usages.
+
+respectez les termes ci dessous :
+
+1) Tout les modèles (Gheya),
+appartiennent a Llm-clem (Clemylia),
+vous n'avez pas le droit de vous approprié la priorité.
+
+2) Vous pouvez faire du fine-tuning,
+autant que vous le souhaitez sur les modèles gheya.
+et etes libre d'utiliser vos versions modifié 
+dans tout les cas d'usages que le souhaitez.
+qu'ils soit commerciaux ou non.
+
+la seule règle : utilisez gheya dans de bons usages.
+tout usage des modèles de base Gheya, qui nous semble déplacé ,
+et nous pourrons mettre en place des restrictions très sévères contre vous.
+
+cela implique :
+
+- pas de logiciels malveillants
+- pas de nudité ou de pornographie 
+- pas d'autres usages ou fonctionnalités quelconque faisant tord a autrui.
+
+3) Vous devez toujours garder une copie de GIOS-terme en lien avec votre version modifié.
+
+
+bonne utilisation !

README.md

@@ -0,0 +1,62 @@
+---
+library_name: transformers
+license: other
+language:
+- fr
+pipeline_tag: text-generation
+---
+
+# 💎 Fiche Technique : Ilyana-pretrain
+
+![ilyana](http://www.image-heberg.fr/files/17681494443905401846.webp)
+
+**Développeuse :** Clemylia | **Architecture :** From Scratch (Clemylia-Logic)
+**Type :** Modèle de Fondation (SLM - Small Language Model)
+
+---
+
+### 📝 Présentation Générale
+
+**Ilyana-pretrain** est un modèle de langage compact mais ultra-performant, conçu pour servir de socle à une nouvelle génération d'IA spécialisées. Contrairement aux modèles standards, Ilyana a été entraînée avec une rigueur chirurgicale pour maîtriser la **structure profonde de la langue française**.
+
+### 🚀 Performances Techniques
+
+* **Paramètres :** 49 Millions (Optimisés pour la réactivité).
+* **Entraînement :** 13 Millions de tokens (Curation de haute qualité).
+* **Vitesse de Pré-entraînement :** 30 minutes (via l'Optimismateur GPU Clemylia).
+* **Tokeniseur :** **Custom French Tokenizer** (entraîné sur des milliards de tokens pour une compression sémantique parfaite).
+
+---
+
+### 🧠 Capacités de la Fondation
+
+Ilyana-pretrain se distingue par une **syntaxe irréprochable** et une gestion fluide des structures journalistiques et documentaires :
+
+* **Maîtrise Syntaxique :** Gestion parfaite des élisions (l', d', s'), de la ponctuation complexe et des accords.
+* **Logique Temporelle :** Capacité à structurer des dates, des événements et des chronologies.
+* **Base de Connaissances :** Forte imprégnation des contextes d'actualité, de santé, de politique et de sciences naturelles.
+* **Prêt pour l'Affinage :** Conçu spécifiquement pour conserver sa structure grammaticale même après un entraînement sur des données créatives ou absurdes.
+
+---
+
+### 🛠️ Cas d'Usage Recommandés
+
+Ilyana-pretrain est une "page blanche structurée". Elle est idéale pour être affinée (Fine-tuning) vers :
+
+1. **IA Créatives :** Poésie, chansons, recettes (type ReeCi).
+2. **IA de Personnalité :** Chatbots avec une identité forte (type InutileGpt).
+3. **Analyse de Texte :** Résumé ou classification avec une haute précision grammaticale.
+
+---
+
+### ⚠️ Note de la Développeuse
+
+> "Ilyana-pretrain est le modèle le plus solide de mon histoire de développeuse. Elle ne 'beugue' pas, elle ne fait pas de néologismes par erreur. Elle sait parler. Maintenant, c'est à vous de décider ce qu'elle doit dire." — **Clemylia**
+
+---
+
+### 📈 Prochaines Étapes
+
+Le modèle est actuellement prêt pour le déploiement ou l'affinage spécialisé. Sa légèreté (49M) permet une exécution fluide sur presque n'importe quel support.
+
+**Soumis a la license Gios-termes des modèles de langage Gheya.**

config.json

@@ -0,0 +1,32 @@
+{
+  "activation_function": "gelu_new",
+  "architectures": [
+    "GPT2LMHeadModel"
+  ],
+  "attn_pdrop": 0.1,
+  "bos_token_id": null,
+  "dtype": "float32",
+  "embd_pdrop": 0.1,
+  "eos_token_id": null,
+  "initializer_range": 0.02,
+  "layer_norm_epsilon": 1e-05,
+  "model_type": "gpt2",
+  "n_embd": 512,
+  "n_head": 8,
+  "n_inner": null,
+  "n_layer": 8,
+  "n_positions": 605,
+  "pad_token_id": 3,
+  "reorder_and_upcast_attn": false,
+  "resid_pdrop": 0.1,
+  "scale_attn_by_inverse_layer_idx": false,
+  "scale_attn_weights": true,
+  "summary_activation": null,
+  "summary_first_dropout": 0.1,
+  "summary_proj_to_labels": true,
+  "summary_type": "cls_index",
+  "summary_use_proj": true,
+  "transformers_version": "4.57.3",
+  "use_cache": true,
+  "vocab_size": 46000
+}

generation_config.json

@@ -0,0 +1,8 @@
+{
+  "_from_model_config": true,
+  "eos_token_id": [
+    50256
+  ],
+  "pad_token_id": 3,
+  "transformers_version": "4.57.3"
+}

model.safetensors

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:aa99fefed10cb79c6ef830f95eb390645c374b33195fa94d285feb33ea56660d
+size 196337384

special_tokens_map.json

@@ -0,0 +1,9 @@
+{
+  "pad_token": {
+    "content": "[PAD]",
+    "lstrip": false,
+    "normalized": false,
+    "rstrip": false,
+    "single_word": false
+  }
+}

tokenizer_config.json

@@ -0,0 +1,49 @@
+{
+  "added_tokens_decoder": {
+    "0": {
+      "content": "[UNK]",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "1": {
+      "content": "[CLS]",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "2": {
+      "content": "[SEP]",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "3": {
+      "content": "[PAD]",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    },
+    "4": {
+      "content": "[MASK]",
+      "lstrip": false,
+      "normalized": false,
+      "rstrip": false,
+      "single_word": false,
+      "special": true
+    }
+  },
+  "clean_up_tokenization_spaces": false,
+  "extra_special_tokens": {},
+  "model_max_length": 1000000000000000019884624838656,
+  "pad_token": "[PAD]",
+  "tokenizer_class": "PreTrainedTokenizerFast"
+}