Instructions to use build-small-hackathon/sofia-qwen2.5-7b with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Libraries

How to use build-small-hackathon/sofia-qwen2.5-7b with Transformers:

# Use a pipeline as a high-level helper
from transformers import pipeline

pipe = pipeline("text-generation", model="build-small-hackathon/sofia-qwen2.5-7b")
messages = [
    {"role": "user", "content": "Who are you?"},
]
pipe(messages)

# Load model directly
from transformers import AutoTokenizer, AutoModelForMultimodalLM

tokenizer = AutoTokenizer.from_pretrained("build-small-hackathon/sofia-qwen2.5-7b")
model = AutoModelForMultimodalLM.from_pretrained("build-small-hackathon/sofia-qwen2.5-7b")
messages = [
    {"role": "user", "content": "Who are you?"},
]
inputs = tokenizer.apply_chat_template(
	messages,
	add_generation_prompt=True,
	tokenize=True,
	return_dict=True,
	return_tensors="pt",
).to(model.device)

outputs = model.generate(**inputs, max_new_tokens=40)
print(tokenizer.decode(outputs[0][inputs["input_ids"].shape[-1]:]))

PEFT
How to use build-small-hackathon/sofia-qwen2.5-7b with PEFT:
```
Task type is invalid.
```
Notebooks
Google Colab
Kaggle
Local Apps Settings

vLLM

How to use build-small-hackathon/sofia-qwen2.5-7b with vLLM:

Install from pip and serve model

# Install vLLM from pip:
pip install vllm
# Start the vLLM server:
vllm serve "build-small-hackathon/sofia-qwen2.5-7b"
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:8000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "build-small-hackathon/sofia-qwen2.5-7b",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Use Docker

docker model run hf.co/build-small-hackathon/sofia-qwen2.5-7b

SGLang

How to use build-small-hackathon/sofia-qwen2.5-7b with SGLang:

Install from pip and serve model

# Install SGLang from pip:
pip install sglang
# Start the SGLang server:
python3 -m sglang.launch_server \
    --model-path "build-small-hackathon/sofia-qwen2.5-7b" \
    --host 0.0.0.0 \
    --port 30000
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:30000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "build-small-hackathon/sofia-qwen2.5-7b",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Use Docker images

docker run --gpus all \
    --shm-size 32g \
    -p 30000:30000 \
    -v ~/.cache/huggingface:/root/.cache/huggingface \
    --env "HF_TOKEN=<secret>" \
    --ipc=host \
    lmsysorg/sglang:latest \
    python3 -m sglang.launch_server \
        --model-path "build-small-hackathon/sofia-qwen2.5-7b" \
        --host 0.0.0.0 \
        --port 30000
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:30000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "build-small-hackathon/sofia-qwen2.5-7b",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Docker Model Runner
How to use build-small-hackathon/sofia-qwen2.5-7b with Docker Model Runner:
```
docker model run hf.co/build-small-hackathon/sofia-qwen2.5-7b
```
Browse Quantizations to use this model in llama.cpp, Ollama, LM Studio, or any compatible app.

Sofía — Qwen2.5-7B-Instruct fine-tuneado para una compañera de voz de una nena de 3 años

TL;DR (EN): QLoRA fine-tune of Qwen/Qwen2.5-7B-Instruct (merged, full precision weights) that teaches the base model to consistently play "Sofía" — a warm, short-sentence Spanish-speaking companion for a ~3 year old — to present curated content (<contenido>) verbatim instead of paraphrasing/inventing it, and to gently refuse/redirect unsafe topics. Built for the Build Small Hackathon (track Backyard AI, mérito Well-Tuned). Powers the sofia-educational-companion Space.

Qué es

Este modelo es el "pegamento conversacional" de Sofía, una compañera educativa por voz para una niña de ~3 años (proyecto Lumi, Build Small Hackathon, track Backyard AI). El LLM nunca es la fuente de hechos: todo el contenido (cuentos, actividades, números) vive curado en content/ y se le inyecta al modelo entre <contenido>...</contenido>. Este fine-tune entrena estilo y seguridad, no conocimiento.

Objetivos del fine-tune:

Mantener siempre la persona "Sofía": cálida, frases muy cortas, español rioplatense, una pregunta por turno.
Presentar el contenido curado verbatim (sin parafrasear ni inventar), incluso cuando se le pide un cuento/actividad que no existe en content/.
Rechazar o redirigir con cariño temas no aptos para una niña de 3 años, generalizando más allá de los términos exactos de safety/blocklist.txt (defensa en profundidad).

Datos de entrenamiento

finetune/build_dataset.py genera finetune/dataset.jsonl: 196 ejemplos en formato chat (mismo SYSTEM_PROMPT y los mismos bloques <contenido>/<nota> que construye llm/engine.py en producción), mezclando:

saludos y charla / persona,
entrega de actividades curadas (contar, formas, colores, animales), x3 frases cada una,
cambio de color de Sofía (intent sofia_color),
cuentos curados,
~62 rechazos/redirecciones de temas no aptos que no repiten los términos exactos de la blocklist.

Entrenamiento

QLoRA sobre Qwen/Qwen2.5-7B-Instruct, corrido en Modal (GPU A10G):

Carga en 4-bit NF4 (bnb_4bit_use_double_quant=True), cómputo en bf16.
LoRA r=16, alpha=32, target_modules=["q_proj", "k_proj", "v_proj", "o_proj"].
3 épocas, batch size 2, gradient accumulation 4, learning rate 2e-4.
72 steps, ~408s en A10G. Loss 2.51 → 0.14.
El adapter se mergeó (merge_and_unload) y se publicó en este repo como pesos completos en safetensors.

Código: finetune/train_modal.py y finetune/merge_lora.py en el repo del proyecto.

Evaluación (smoke test)

finetune/smoke_test_modal.py corrió 5 turnos representativos sobre este modelo ya mergeado: saludo, entrega de <contenido> de conteo, una pregunta sobre un arma, miedo a los monstruos, y un pedido de cuento inventado ("un dragón que come autos"). Resultado: saluda en persona, repite el <contenido> verbatim (a diferencia de alternativas probadas como Nemotron-mini/Nemotron-3-nano, que parafraseaban o inventaban), rechaza el tema del arma sin engancharse, redirige el miedo con calidez, y ante el cuento inventado dice que no lo tiene y ofrece una alternativa curada en vez de inventar una.

Cómo usarlo

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

MODEL_ID = "build-small-hackathon/sofia-qwen2.5-7b"

tokenizer = AutoTokenizer.from_pretrained(MODEL_ID)
model = AutoModelForCausalLM.from_pretrained(
    MODEL_ID, torch_dtype=torch.bfloat16
).to("cuda")

# SYSTEM_PROMPT exacto y bloques <contenido>/<nota>: ver llm/engine.py
messages = [
    {"role": "system", "content": SYSTEM_PROMPT},
    {"role": "user", "content": "Hola Sofía"},
]
text = tokenizer.apply_chat_template(
    messages, tokenize=False, add_generation_prompt=True
)
inputs = tokenizer(text, return_tensors="pt").to("cuda")
output = model.generate(
    **inputs, max_new_tokens=120, do_sample=True, temperature=0.6
)

Limitaciones

Entrenado para un caso de uso muy acotado: compañera de juego para una niña de 3 años, en español rioplatense, con contenido inyectado por el sistema (<contenido>/<nota>/<contexto>). Fuera de ese contexto se comporta básicamente como el Qwen2.5-7B-Instruct base.
No agrega conocimiento factual nuevo: por diseño, los hechos siguen viviendo en content/, nunca en los pesos.
Dataset chico (196 ejemplos), curado a mano para un hackathon — no es un benchmark de seguridad general.

Licencia

Apache 2.0, igual que el modelo base Qwen/Qwen2.5-7B-Instruct.

Downloads last month: 24

Safetensors

Model size

8B params

Tensor type

BF16

Model tree for build-small-hackathon/sofia-qwen2.5-7b

Base model

Qwen/Qwen2.5-7B

Finetuned

Qwen/Qwen2.5-7B-Instruct

Finetuned

(2615)

this model

Quantizations

2 models

build-small-hackathon
/

sofia-qwen2.5-7b