初始化项目，由ModelHub XC社区提供模型

Model: fibonacciai/fibonacci-1-EN-8b-chat.P1_5
Source: Original Platform

README.md

@@ -0,0 +1,146 @@
+---
+widget:
+- text: Fibonacci Intelligence ✨
+  parameters:
+    negative_prompt: fibonacci ai
+  output:
+    url: images/IMG_20250104_152637_289-GBCTSioQi-transformed-transformed.png
+license: mit
+datasets:
+- fibonacciai/Persian-llm-fibonacci-1-pro
+language:
+- en
+- ar
+- fa
+base_model:
+- fibonacciai/Persian-llm-fibonacci-1-7b-chat.P1_0
+new_version: fibonacciai/fibonacci-1-EN-8b-chat.P1_5
+pipeline_tag: text-generation
+tags:
+- text-generation-inference
+- FIBONACCI
+---
+# Fibonacci-1-EN-8b-Chat.P1_5 Model
+
+![Model Logo](https://huggingface.co/front/assets/huggingface_logo.svg)
+
+## Introduction
+
+The **Fibonacci-1-EN-8b-Chat.P1_5** is a large language model (LLM) based on the LLaMA architecture, designed with 8.03 billion parameters. This model is optimized for natural language processing (NLP) tasks and textual conversations.
+
+## Features
+
+- **Architecture:** LLaMA
+- **Number of Parameters:** 8.03 billion
+- **Formats:** GGUF supporting 4-bit (Q4_K_M), 5-bit (Q5_K_M), 8-bit (Q8_0), and 16-bit (F16)
+- **License:** MIT
+
+## Applications
+
+- **Text Generation:** Creating creative and diverse texts
+- **Question Answering:** Providing accurate responses to user inquiries
+- **Machine Translation:** Translating texts between different languages
+- **Sentiment Analysis:** Identifying sentiments present in texts
+
+## Usage
+
+
+To use this model, you can utilize various libraries such as Hugging Face's `transformers`. Below is a sample code to load and use the model:
+
+```python
+from transformers import AutoModelForCausalLM, AutoTokenizer
+
+tokenizer = AutoTokenizer.from_pretrained("fibonacciai/fibonacci-1-EN-8b-chat.P1_5")
+model = AutoModelForCausalLM.from_pretrained("fibonacciai/fibonacci-1-EN-8b-chat.P1_5")
+
+input_text = "Hello! How can I assist you today?"
+inputs = tokenizer(input_text, return_tensors="pt")
+outputs = model.generate(**inputs)
+response = tokenizer.decode(outputs[0], skip_special_tokens=True)
+
+print(response)
+
+
+
+**عربی:**
+
+```markdown
+# نموذج Fibonacci-1-EN-8b-Chat.P1_5
+
+![شعار النموذج](https://huggingface.co/front/assets/huggingface_logo.svg)
+
+## المقدمة
+
+نموذج **Fibonacci-1-EN-8b-Chat.P1_5** هو نموذج لغة كبير (LLM) يعتمد على بنية LLaMA، تم تصميمه بـ 8.03 مليار معلمة. هذا النموذج مُحسّن لمهام معالجة اللغة الطبيعية (NLP) والمحادثات النصية.
+
+## الميزات
+
+- **البنية:** LLaMA
+- **عدد المعلمات:** 8.03 مليار
+- **التنسيقات:** GGUF تدعم 4-بت (Q4_K_M)، 5-بت (Q5_K_M)، 8-بت (Q8_0)، و16-بت (F16)
+- **الترخيص:** MIT
+
+## التطبيقات
+
+- **توليد النصوص:** إنشاء نصوص إبداعية ومتنوعة
+- **الإجابة على الأسئلة:** تقديم إجابات دقيقة لاستفسارات المستخدمين
+- **الترجمة الآلية:** ترجمة النصوص بين لغات مختلفة
+- **تحليل المشاعر:** تحديد المشاعر الموجودة في النصوص
+
+## كيفية الاستخدام
+
+لاستخدام هذا النموذج، يمكنك الاستفادة من مكتبات مختلفة مثل `transformers` من Hugging Face. فيما يلي مثال لتحميل واستخدام النموذج:
+
+```python
+from transformers import AutoModelForCausalLM, AutoTokenizer
+
+tokenizer = AutoTokenizer.from_pretrained("fibonacciai/fibonacci-1-EN-8b-chat.P1_5")
+model = AutoModelForCausalLM.from_pretrained("fibonacciai/fibonacci-1-EN-8b-chat.P1_5")
+
+input_text = "مرحبًا! كيف يمكنني مساعدتك اليوم؟"
+inputs = tokenizer(input_text, return_tensors="pt")
+outputs = model.generate(**inputs)
+response = tokenizer.decode(outputs[0], skip_special_tokens=True)
+
+print(response)
+
+
+
+# مدل Fibonacci-1-EN-8b-Chat.P1_5
+
+![لوگوی مدل](https://huggingface.co/front/assets/huggingface_logo.svg)
+
+## معرفی
+
+مدل **Fibonacci-1-EN-8b-Chat.P1_5** یک مدل زبانی بزرگ (LLM) مبتنی بر معماری LLaMA است که با ۸٫۰۳ میلیارد پارامتر طراحی شده است. این مدل برای انجام وظایف مرتبط با پردازش زبان طبیعی (NLP) و مکالمات متنی بهینه‌سازی شده است.
+
+## ویژگی‌ها
+
+- **معماری:** LLaMA
+- **تعداد پارامترها:** ۸٫۰۳ میلیارد
+- **فرمت‌ها:** GGUF با پشتیبانی از 4-bit (Q4_K_M)، 5-bit (Q5_K_M)، 8-bit (Q8_0)، و 16-bit (F16)
+- **مجوز استفاده:** MIT
+
+## کاربردها
+
+- **تولید متن:** ایجاد متون خلاقانه و متنوع
+- **پاسخ به سؤالات:** ارائه پاسخ‌های دقیق به پرسش‌های کاربران
+- **ترجمه ماشینی:** ترجمه متون بین زبان‌های مختلف
+- **تحلیل احساسات:** شناسایی احساسات موجود در متون
+
+## نحوه استفاده
+
+برای استفاده از این مدل، می‌توانید از کتابخانه‌های مختلفی مانند `transformers` هاگینگ فیس استفاده کنید. در زیر یک نمونه کد برای بارگذاری و استفاده از مدل آورده شده است:
+
+```python
+from transformers import AutoModelForCausalLM, AutoTokenizer
+
+tokenizer = AutoTokenizer.from_pretrained("fibonacciai/fibonacci-1-EN-8b-chat.P1_5")
+model = AutoModelForCausalLM.from_pretrained("fibonacciai/fibonacci-1-EN-8b-chat.P1_5")
+
+input_text = "سلام! چطور می‌توانم به شما کمک کنم؟"
+inputs = tokenizer(input_text, return_tensors="pt")
+outputs = model.generate(**inputs)
+response = tokenizer.decode(outputs[0], skip_special_tokens=True)
+
+print(response)