🤖 amkyaw-mobile-v1

Burmese (Myanmar) AI Assistant Model

---

📌 Model Card: amkyaw-mobile-v1

ဤမော်ဒယ်သည် Burmese (မြန်မာဘာသာ) ဖြင့် သဘာဝကျကျ၊ ယဉ်ကျေးပျူငှာစွာ စကားပြောဆိုနိုင်သော Conversational AI ဖြစ်သည်။ llama-3.3-70b-versatile ကို အခြေခံထားပြီး amkyawdev/AmkyawDev-Dataset (စကားဝိုင်း ၂၉,၁၀၀) ဖြင့် fine-tune လုပ်ထားပါသည်။

အချက်အလက်	အသေးစိတ်
အခြေခံမော်ဒယ် (Base Model)	llama-3.3-70b-versatile
ဘာသာစကား (Language)	မြန်မာစာ (Burmese - my)
သင်တန်းဒေတာ (Training Data)	AmkyawDev-Dataset
စကားဝိုင်း အရေအတွက်	၂၉,၁၀၀ ခန့်
လိုင်စင် (License)	bigscience-openrail-m

---

🎭 Persona & Tone (ပါရာဆိုနာနှင့် အသံနေအသံထား)

သွင်ပြင်လက္ခဏာ	အသေးစိတ်
အမည်	Amkyaw-AI
အသံနေအသံထား	ယဉ်ကျေးပျူငှာ၊ နွေးထွေးဖော်ရွေသော (Polite & Friendly)
တုံ့ပြန်ပုံစံ	Natural Conversational Burmese (စကားပြောသဘာဝ)
ဝါကျအဆုံးသတ်ပုံ	"ခင်ဗျာ", "ပါဗျ" တို့ကို သုံးနှုန်းခြင်း

🧠 Knowledge Domains (ဗဟုသုတကဏ္ဍများ)

┌─────────────────────┬────────────────────────────────────────────┐
│ Domain              │ Description                                │
├─────────────────────┼────────────────────────────────────────────┤
│ Web Development     │ Next.js, Tailwind CSS, Three.js            │
│ AI Technology       │ LLMs, Fine-tuning, AI Agents               │
│ General Knowledge   │ မြန်မာစာ၊ ယဉ်ကျေးမှု၊ နေ့စဉ်စကားပြောဆိုမှုများ     │
│ Utility             │ ဘာသာပြန်ခြင်း၊ အတိုချုပ်ခြင်း၊ စာပိုဒ်ဖွဲ့ခြင်း       │
└─────────────────────┴────────────────────────────────────────────┘

⚠️ Constraints (ကန့်သတ်ချက်များ)

· မသိသောအကြောင်းအရာကို သိယောင်ဆောင်ခြင်း မပြုရ။ · အမုန်းစကား၊ အန္တရာယ်ဖြစ်စေနိုင်သော အကြောင်းအရာများကို ရှောင်ကြဉ်ရ။ · တိုတိုနှင့် အကျိုးရှိရှိ တုံ့ပြန်ရ။ · ရှုပ်ထွေးသော အချက်အလက်များအတွက် ကျည်ဆံများ (Bullet points) သို့မဟုတ် နံပါတ်စဉ်တပ်ရ။ · ကုဒ်ဥပမာများအတွက် Markdown code blocks (```) ကို သုံးရ။

---

📚 Dataset Composition (ဒေတာအစုအဖွဲ့ဖွဲ့စည်းပုံ)

pie
    title AmkyawDev-Dataset Categories
    "greeting (နှုတ်ဆက်ချက်)" : 15
    "coding (ကုဒ်ပေးခြင်း)" : 25
    "conversation (စကားပြောခြင်း)" : 20
    "general (အထွေထွေ)" : 15
    "contextual (အနှောက်အယှက်)" : 10
    "translation (ဘာသာပြန်ခြင်း)" : 8
    "math (သင်္ချာ)" : 4
    "persona (ပါရာဆိုနာ)" : 3

🚀 Usage (အသုံးပြုနည်း)

1️⃣ Using Transformers Library

from transformers import AutoModelForCausalLM, AutoTokenizer

model_name = "amkyawdev/amkyaw-mobile-v1"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForCausalLM.from_pretrained(model_name)

prompt = "နေကောင်းလားဗျာ။"
inputs = tokenizer(prompt, return_tensors="pt")
outputs = model.generate(**inputs, max_new_tokens=128)
response = tokenizer.decode(outputs[0], skip_special_tokens=True)
print(response)

2️⃣ Using Hugging Face Inference API

from huggingface_hub import InferenceClient

client = InferenceClient("amkyawdev/amkyaw-mobile-v1")
response = client.chat_completion(
    messages=[{"role": "user", "content": "မြန်မာနိုင်ငံရဲ့မြို့တော်ကဘာလဲဗျာ?"}],
    max_tokens=100,
)
print(response.choices[0].message.content)

3️⃣ Direct Space Demo

အဆင်ပြေမြန်ဆန်စွာ စမ်းသပ်လိုပါက AmkyawDev NLP Space တွင် တိုက်ရိုက်စမ်းသပ်နိုင်ပါသည်။

---

🧠 AmKyawDev – Myanmar NLP Ecosystem

Aung Myat Kyaw ၏ Myanmar Language AI အတွက် Resource များ (Mobile & Lightweight Focus)

amkyawdev – Myanmar NLP

Type	Link
🤗 Model	amkyaw-mobile-v1
🤗 Dataset	AmkyawDev-Dataset
🤗 Demo	amkyawdev-nlp
🐙 GitHub (LNP)	myanmar-lnp-dataset
🐙 GitHub (Author)	amkyawdev

---

📜 License

This model is released under the BigScience OpenRAIL-M license. Please see the LICENSE file for more details.

---

_{Built with ❤️ for Myanmar NLP Community by amkyawdev}