初始化项目，由ModelHub XC社区提供模型

Model: mamediarrafaye/qwen-senegal-generation
Source: Original Platform

README.md

@@ -0,0 +1,106 @@
+---
+language:
+- fr
+- wo
+tags:
+- text-generation
+- senegal
+- wolof
+- french
+- code-switching
+- qwen
+- qwen2.5
+license: apache-2.0
+---
+
+# Qwen2.5-3B Sénégal Generation
+
+Modèle de génération de texte en **français sénégalais** avec code-switching Wolof-Français, spécialisé dans la conversation quotidienne sénégalaise.
+
+## Description
+
+Ce modèle est un fine-tuning de Qwen2.5-3B-Instruct sur un corpus de 9507 segments de français sénégalais authentique avec insertions naturelles de mots wolof. Il est spécialisé dans les conversations du quotidien : mobilité urbaine, mobile money, cybersécurité, vie universitaire sénégalaise, et interactions sociales au Sénégal.
+
+## Utilisation
+
+Le modèle suit le format Question/Réponse de son corpus d'entraînement :
+
+\`\`\`python
+from transformers import AutoTokenizer, AutoModelForCausalLM
+import torch
+
+model = AutoModelForCausalLM.from_pretrained(
+    "mamediarrafaye/qwen-senegal-generation",
+    torch_dtype=torch.float16,
+    device_map="auto",
+)
+tokenizer = AutoTokenizer.from_pretrained(
+    "mamediarrafaye/qwen-senegal-generation"
+)
+
+def generer(message, max_new_tokens=150):
+    # Format obligatoire : Question/Réponse (format du corpus)
+    formatted = f"Question : {message}\nRéponse :"
+    
+    inputs = tokenizer(formatted, return_tensors="pt").to(model.device)
+    with torch.no_grad():
+        outputs = model.generate(
+            **inputs,
+            max_new_tokens=max_new_tokens,
+            temperature=0.7,
+            top_p=0.9,
+            do_sample=True,
+            repetition_penalty=1.2,
+            pad_token_id=tokenizer.eos_token_id,
+        )
+    response = tokenizer.decode(outputs[0], skip_special_tokens=True)
+    return response.split("Réponse :")[-1].strip()
+
+## Domaines couverts
+
+- Vie universitaire sénégalaise (examens, mémoires, bourses, inscriptions)
+- Mobile money (Wave, Orange Money, transferts)
+- Cybersécurité et phishing
+- Transport urbain (BRT, Car Rapide, TER)
+- ASR et développement logiciel
+- Interactions sociales quotidiennes au Sénégal
+
+## Format d'entrée
+
+Le modèle attend le format suivant :
+\`\`\`
+Question : [votre message]
+Réponse :
+\`\`\`
+
+
+
+## Données
+
+- 9507 segments de français sénégalais authentique
+- 26% code-switching Wolof-Français
+- 74% français sénégalais standard
+- Sources : conversations simulées de contexte étudiant sénégalais
+
+## Entraînement
+
+- Modèle de base : Qwen2.5-3B-Instruct
+- Méthode : LoRA fine-tuning (r=64)
+- Epochs : 3
+- Learning rate : 2e-4
+- Framework : TRL/SFTTrainer
+
+## Exemples de sorties
+
+| Question | Réponse générée |
+|----------|----------------|
+| Gayi, qui a de la monnaie pour le taxi ? | Amoul problème, j'ai des billets cassés, je gère la course. |
+| Lu bess ? Le guichet automatique est en panne ? | Ah dédet, amoul solo, il y a juste une queue interminable dehors. |
+| Nanga def ? Les données sont bien anonymisées ? | Amoul problème, toutes les informations sensibles ont été effacées. |
+| Gayi, on fait la réunion à quelle heure ? | On se capte sur Google Meet vers 18h, le temps que tout le monde rentre. |
+
+## Limitations
+
+- Spécialisé dans les conversations du quotidien sénégalais — ne pas utiliser pour des questions générales hors domaine
+- Performances optimales avec le format Question/Réponse du corpus
+