NeoSapian/GURU-v1

🪔 Guru (ഗുരു)

ഗുരു എന്നാൽ "അധ്യാപകൻ" അല്ലെങ്കിൽ "വഴികാട്ടി" എന്നാണർത്ഥം. ഈ പേരു അന്വർത്ഥമാക്കുന്ന തരത്തിൽ, Guru മലയാളത്തിൽ സ്വാഭാവികമായും കൃത്യമായും ആശയവിനിമയം നടത്താൻ കഴിവുള്ള ഒരു ഭാഷാ മോഡലാണ്. കേരള സർക്കാർ സേവനങ്ങളെക്കുറിച്ചുള്ള ചോദ്യങ്ങൾക്ക് ഉത്തരം നൽകാനും പൊതുവായ മലയാളം നിർദ്ദേശങ്ങൾ പിന്തുടരാനും ഇത് പ്രത്യേകം പരിശീലിപ്പിച്ചിരിക്കുന്നു.

Guru is a Malayalam-focused instruction-tuned language model, built to understand and generate natural, fluent Malayalam — with particular strength in answering questions about Kerala government services and general Malayalam instruction-following.

Model Details

• Model name: Guru (NeoSapian/GURU-v1)
• Language focus: Malayalam (ml), with English support
• Domain: Kerala government services, general Malayalam instruction-following
• Format: Full-precision merged weights (safetensors)

Training Data

Fine-tuned on a curated instruction dataset of Malayalam prompt/response pairs covering Kerala government services, formatted in an Alpaca / role-prompt style.

Intended Use

• Malayalam-language chat and instruction-following assistants
• Answering questions about Kerala government services in Malayalam
• General Malayalam NLP research and experimentation

How to Use

from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "NeoSapian/GURU-v1"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(model_id, device_map="auto", dtype="auto")

messages = [{"role": "user", "content": "കേരള സർക്കാരിന്റെ ക്ഷേമ പദ്ധതികളെക്കുറിച്ച് പറയാമോ?"}]
inputs = tokenizer.apply_chat_template(messages, add_generation_prompt=True, return_tensors="pt").to(model.device)
outputs = model.generate(inputs, max_new_tokens=512)
print(tokenizer.decode(outputs[0], skip_special_tokens=True))

Limitations

• Fine-tuned on a domain-specific dataset (Kerala govt services), so performance on topics outside this domain may vary.
• Not evaluated for safety-critical, legal, or medical decision-making — verify outputs before relying on them for such use cases.

License

Released under Apache 2.0.

Citation

If you use Guru, please consider citing this repository.