GLM-5.3 is live. Run Z.ai's latest model on Friendli Model APIs. Try it today ➜
Simbroncas
Available on FriendliAI
Run this model inference on single tenant GPU with unmatched speed and reliability at scale.
Run this model inference with full control and performance in your environment.
Model Details
Model Provider
Simbroncas
Model Tree
TinyLlama/TinyLlama-1.1B-Chat-v1.0
Input Modalities
Output Modalities
Supported Functionality
Experimento académico para medir si el fine-tuning mejora el tono, el formato y las políticas del asistente. No está pensado para producción: en la evaluación inventó datos con seguridad (por ejemplo, "envío gratis" cuando el envío cuesta $30). DulceBot en producción obtiene los datos de RAG y de la base de datos, no de este modelo.
TinyLlama/TinyLlama-1.1B-Chat-v1.0 (arquitectura Llama).q_proj, k_proj, v_proj y o_proj (~4.5 M de parámetros entrenables, 0.41 %).14 preguntas no vistas en el entrenamiento, el mismo prompt para ambos modelos (instrucciones + 3 fragmentos de contexto RAG), métrica objetiva de datos clave y LLM como juez.
| Criterio | TinyLlama base | Con LoRA |
|---|---|---|
| Exactitud (1 a 5) | 2.07 | 3.00 |
| Tono (1 a 5) | 3.07 | 4.00 |
| Formato (1 a 5) | 2.29 | 5.00 |
| Datos clave mencionados | 50 % | 57 % |
Métricas de la corrida 2 documentada en el proyecto (juez openai/gpt-oss-120b). Estos pesos se reentrenaron con la misma configuración y semilla, sin repetir la evaluación.
python
from transformers import AutoModelForCausalLM, AutoTokenizerfrom peft import PeftModel base = AutoModelForCausalLM.from_pretrained("TinyLlama/TinyLlama-1.1B-Chat-v1.0")modelo = PeftModel.from_pretrained(base, "Simbroncas/dulcebot-tinyllama-lora")tokenizer = AutoTokenizer.from_pretrained("Simbroncas/dulcebot-tinyllama-lora")Autor: Mario Simbron Gonzalez.