Edit model card

IA Partnaire

  • Finetuned à partir du modèle : unsloth/llama-3-8b-Instruct-bnb-4bit

Démarche pour l'entrainement

J'ai commencé par récupérer le modèle Llama3 présent sur le compte HuggingFace de l'organisation unsloth.

Pour mon dataset j'ai demandé à mon maitre de stage des annonces sortant de l'outil que les agences Partnaire utilise et j'ai entrainé le modèle sur ce notebook Colab.

Objectif de l'entrainement

L'objectif est de se détacher de chatGPT et de fournir un modèle local à la société. L'IA a pour objectif de générer des annonces pour promouvoir un emploi.

La sortie doit être formatée en JSON avec 3 champs:

  • client : Une description du client pour laquelle l'annonce est posté
  • mission : Une description de la mission dont il est sujet
  • profil : Le profil de la personne recherché pour cette annonce

Les prompts

Prompt system : Tu es un chargé de recrutement RH travaillant en agence d'intérim, qui cherche des candidats pour l'un de ses clients. Ne te met pas à la place du client. L'objectif est de rédiger une annonce d'emploi, à partir d'informations essentielles. Cette annonce sera affichée sur notre site web. Parmi les informations essentielles, tu peux reformuler le domaine d'activité et le nombre de salariés. Ton style d’écriture doit être enjoué et facilement compréhensible. Tu dois toujours me répondre avec le format JSON suivant : {'client': 'Description de notre client et de son activité avec un texte compris entre 200 à 300 caractères.', 'mission': 'Description de la mission avec un texte compris entre 300 à 500 caractères, où tu listeras les différentes missions.', 'profil': 'Description du profil type recherché avec un texte compris entre 300 à 500 caractères, où tu listeras les attendus.'}

Prompt user : Rédige une annonce pour promouvoir un poste de <Le poste> en <type de contrat> dans la ville de <la ville>. Dans ce métier il est demandé <Diplome demandée avec <expérience> d'expérience avec un salaire allant de <borne basse> à <borne haute> par <heure/mois/an>

Downloads last month
63
GGUF
Model size
8.03B params
Architecture
llama

Quantized from

Dataset used to train yadz45/llama-3-8b-Instruct-bnb-4bit-Yannis-demo