Tree-AI-lab/kouman-ia-1.6-1b

Kouman IA 1.6 (1B)

Kouman IA 1.6 (1B) est un grand modèle de langue léger et performant, issu du fine-tuning du modèle de base Tree-AI-lab/llama-3.2-1b-baoule-instruct-v3. Ce modèle est optimisé pour être agile, rapide et adapté aux environnements à ressources limitées tout en conservant une forte spécialisation linguistique et culturelle.

🌍 Langues Supportées

Ce modèle est nativement multilingue et s'adapte parfaitement aux instructions et dialogues dans les langues suivantes :

• Français (fr)
• Baoulé (bci)
• Dioula (dyu)
• Anglais (en)

---

📊 Évaluation & Performances

Le modèle a été rigoureusement testé sur le benchmark standard d'évaluation arc_fr (AI2 Reasoning Challenge en Français) via le framework lm-evaluation-harness.

Résultats sur arc_fr

Modèle	Exactitude Simple (acc)	Exactitude Normalisée (acc_norm)
Kouman-IA-1.6-1B	22.0%	38.0%

Comparaison avec la catégorie 1B

Kouman IA se positionne très favorablement par rapport aux architectures et baselines de taille similaire (environ 1 milliard de paramètres) sur la compréhension du français :

• Kouman-IA-1.6-1B surpasse nettement des modèles de référence comme TinyLlama-1.1B (31% d'exactitude normalisée) et démontre de solides aptitudes de raisonnement multilingue et de traitement logique.

---

🚀 Utilisation avec Hugging Face Transformers

from transformers import AutoModelForCausalLM, AutoTokenizer
import torch

model_id = "Tree-AI-lab/kouman-ia-1.6-1b"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(
    model_id,
    torch_dtype=torch.float16,
    device_map="auto"
)

messages = [
    {"role": "user", "content": "Comment dit-on 'Bienvenue' en Baoulé ?"}
]

prompt = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
inputs = tokenizer(prompt, return_tensors="pt").to("cuda")
outputs = model.generate(**inputs, max_new_tokens=150)

print(tokenizer.decode(outputs[0][inputs["input_ids"].shape[1]:], skip_special_tokens=True))