finanfa-ai-luth-1.7b

FINANFA AI 🇧🇯 — essai Luth-1.7B

FINANFA AI est un modèle de langage spécialisé sur les connaissances du Bénin : histoire, royaumes, politique, institutions, culture, Vodun, géographie, économie, langues nationales et vie quotidienne.

⚠️ Ce dépôt est un essai sur une base différente des versions de référence Ronaldodev/finanfa-ai-0.2 (Qwen2.5-0.5B) et Ronaldodev/finanfa-ai-lfm2.5-230m (LFM2.5-230M) : base kurakurai/Luth-1.7B-Instruct (fine-tune français de Qwen3-1.7B par Kurakurai, même dataset d'entraînement kurakurai/luth-sft que Luth-0.6B), choisie pour repousser le plafond de capacité de synthèse/agrégation observé sur Ronaldodev/finanfa-ai-luth-0.6b : fabrication de détails absents des sources ou dégénérescence en boucle de répétition dès qu'une question RAG demandait une vraie synthèse multi-source plutôt qu'une extraction directe (voir la branche RAG finanfa-ai-app), confirmé comme déterministe (pas un artefact de température) par des expériences contrôlées. Même architecture Qwen3 que Luth-0.6B (contrairement à Luth-2, architecture Qwen3.5 non encore supportée par l'outillage Unsloth/transformers disponible -- voir finanfa_luth2_2b.ipynb).

Ce modèle est un fine-tuning LoRA (adaptation de domaine par-dessus un checkpoint déjà instruction-tuné) de kurakurai/Luth-1.7B-Instruct, entraîné sur le dataset privé Ronaldodev/finanfa-ai-dataset (non public, curé manuellement).

Modèle de base

• Base : kurakurai/Luth-1.7B-Instruct (architecture Qwen3, fine-tune de Qwen/Qwen3-1.7B)
• Méthode : LoRA (r=32, alpha=32, dropout=0), adaptateur fusionné (merge_and_unload)
• Modules LoRA ciblés : q_proj, k_proj, v_proj, o_proj, gate_proj, up_proj, down_proj

Dataset utilisé

• Dataset source : Ronaldodev/finanfa-ai-dataset (privé)
• Conversations valides après nettoyage (doublons exacts retirés) : 20802
• Après rééquilibrage pour cet entraînement (plafonnement de decoupage_territorial) : 15564
• Catégories couvertes : 71
• Split : train 24611 / validation 779 / test 779 (≈ 90 / 5 / 5, stratifié par catégorie)
• Sur-échantillonnage dans le train set uniquement : {k} x{v}, {k} x{v}, {k} x{v}, {k} x{v}, {k} x{v}, {k} x{v}, {k} x{v}, {k} x{v}, {k} x{v}, {k} x{v}, {k} x{v}, {k} x{v}, {k} x{v}, {k} x{v}, {k} x{v} (+10605 exemples)
• Format : conversations system / user / assistant, système identique sur tout le dataset : "Tu es FINANFA AI, un assistant spécialisé dans les connaissances du Bénin. Si tu n'es pas certain d'un fait précis (date, chiffre, accusation), dis-le clairement plutôt que d'inventer."

Entraînement

• Époques : 3 (avec early stopping, patience=3, sur eval_loss)
• Taille de batch effective : 16
• Learning rate : 0.0001 (volontairement bas : fine-tuning de continuation sur un checkpoint déjà instruction-tuné, pas un entraînement depuis un modèle de base brut)
• Longueur de séquence max : 1024 tokens
• Matériel : GPU Kaggle/Colab (T4)

Métriques

• Perte (loss) sur le jeu de test tenu à l'écart de l'entraînement : 0.8343
• Évaluation qualitative : comparaison manuelle Luth-1.7B-Instruct (base) vs FINANFA-Luth-1.7B sur un banc de 384 questions (voir exemples ci-dessous et qualitative_eval.json fourni dans ce dépôt).
• ⚠️ Première version expérimentale sur cette base : aucune métrique automatique d'exactitude factuelle n'a encore été mise en place.

Exemples

Q : Qui était Béhanzin ?

FINANFA-Luth : Béhanzin est une figure politique majeure de la période précoloniale et postcoloniale du Dahomey, connu pour avoir mené la résistance à la conquête française.

Q : Qui était Houégbadja ?

FINANFA-Luth : Houégbadja était le dernier roi de l'ancien royaume du Dahomey avant la conquête coloniale française. Il a dirigé son territoire vers 1890-1892, période qui a marqué la fin de la monarchie traditionnelle et la prise du territoire par les forces françaises.

Q : Qui était le roi Agadja ?

FINANFA-Luth : Agadja est un roi qui a régné sur le Dahomey au XVIIIe siècle, connu pour avoir renforcé l'armée et la puissance militaire du royaume.

Q : Qui était le roi Ghézo ?

FINANFA-Luth : Ghézo est l'un des premiers rois de l'ancien royaume du Dahomey, connu pour avoir renforcé l'armée et la puissance politique du pays.

Q : Qui était le roi Glèlè ?

FINANFA-Luth : Glèlè est un roi de l'ancien royaume baatonu, connu pour avoir mené une résistance à la conquête coloniale française.

Q : Qui étaient les Amazones du Dahomey ?

FINANFA-Luth : Les Amazones du Dahomey étaient une élite féminine de guerrières formées par le roi Ghezo pour la défense du royaume contre les conquêtes européennes.

Limites connues

• Modèle ~2,9x plus lourd que la version Qwen3-0.6B (finanfa-ai-luth-0.6b), à évaluer selon les contraintes réelles de latence/déploiement du projet (latence CPU sur le Space HF gratuit actuel probablement significativement plus élevée -- à mesurer avant remplacement en production).
• Le dataset d'entraînement a été dédoublonné uniquement sur les doublons exacts ; des quasi-doublons sémantiques peuvent subsister entre train/validation/test.
• Le modèle précédent (Luth-0.6B) a montré une tendance à fabriquer des détails ou à dégénérer en boucle de répétition sur les tâches de synthèse multi-source, malgré un contexte RAG correct -- ce fine-tuning sur une base 2,9x plus grande vise à réduire ce plafond de capacité, mais l'efficacité réelle reste à vérifier sur le benchmark (section 8.2) et sur le pipeline RAG complet (finanfa-ai-app), pas seulement sur ce banc qualitatif.
• Ne doit pas être utilisé comme source unique pour des décisions médicales, juridiques ou administratives.
• Actuellement uniquement en français ; les langues nationales du Bénin (fon, yoruba, bariba, dendi, mina, adja) sont prévues pour une phase ultérieure du projet.

Licence

apache-2.0

Citation

Projet FINANFA AI 🇧🇯, développé par Ronaldodev.