Instructions to use somosnlp-hackathon-2025/leia_preference_model_social_norms with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Libraries

How to use somosnlp-hackathon-2025/leia_preference_model_social_norms with Transformers:

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

pipe = pipeline("text-generation", model="somosnlp-hackathon-2025/leia_preference_model_social_norms")
messages = [
    {"role": "user", "content": "Who are you?"},
]
pipe(messages)

# Load model directly
from transformers import AutoTokenizer, AutoModelForCausalLM

tokenizer = AutoTokenizer.from_pretrained("somosnlp-hackathon-2025/leia_preference_model_social_norms")
model = AutoModelForCausalLM.from_pretrained("somosnlp-hackathon-2025/leia_preference_model_social_norms")
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]:]))

Notebooks
Google Colab
Kaggle
Local Apps

vLLM

How to use somosnlp-hackathon-2025/leia_preference_model_social_norms with vLLM:

Install from pip and serve model

# Install vLLM from pip:
pip install vllm
# Start the vLLM server:
vllm serve "somosnlp-hackathon-2025/leia_preference_model_social_norms"
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:8000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "somosnlp-hackathon-2025/leia_preference_model_social_norms",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Use Docker

docker model run hf.co/somosnlp-hackathon-2025/leia_preference_model_social_norms

SGLang

How to use somosnlp-hackathon-2025/leia_preference_model_social_norms 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 "somosnlp-hackathon-2025/leia_preference_model_social_norms" \
    --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": "somosnlp-hackathon-2025/leia_preference_model_social_norms",
		"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 "somosnlp-hackathon-2025/leia_preference_model_social_norms" \
        --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": "somosnlp-hackathon-2025/leia_preference_model_social_norms",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Docker Model Runner
How to use somosnlp-hackathon-2025/leia_preference_model_social_norms with Docker Model Runner:
```
docker model run hf.co/somosnlp-hackathon-2025/leia_preference_model_social_norms
```
Browse Quantizations to use this model in llama.cpp, Ollama, LM Studio, or any compatible app.

Model Card for Model ID

LeIA GO es un asistente lingüístico diseñado para analizar, generar, corregir y adaptar textos considerando diferencias culturales y lingüísticas entre diversas variantes del español. Busca combatir la subrepresentación del español —especialmente sus dialectos regionales— en los recursos actuales de PLN (Procesamiento del Lenguaje Natural).

Model Details

LeIA GO es un modelo basado en transformers diseñado para analizar, corregir y adaptar textos en español, teniendo en cuenta las variaciones dialectales y culturales del idioma. Fue desarrollado durante el Hackathon 2025 de Somos NLP y está orientado a mejorar la representación del español en aplicaciones de procesamiento de lenguaje natural.

Model Description

Developed by: Equipo LeIA GO (Susana Zhou, Constanza Jeldres)
Funded by: Somos NLP Hackathon 2025
Shared by: Equipo LeIA GO
Model type: Modelo basado en transformers, ajustado para el análisis dialectal del español
Language(s) (NLP): Español (distintas variantes dialectales)
License: Apache 2.0

Uses

Direct Use

– Evaluación, corrección y adaptación de textos en español

– Análisis lingüístico con enfoque cultural y regional

– Identificación de preferencias dialectales

Downstream Use [optional]

– Integración en plataformas educativas

– Mejora de asistentes virtuales y aplicaciones centradas en el español

Out-of-Scope Use

– Aplicaciones críticas (médicas, legales, etc.) sin validación humana

– Traducción automática profesional sin revisión

– Análisis de dialectos no entrenados o mal representados en los datos

Bias, Risks, and Limitations

El modelo puede reflejar sesgos regionales debido a una representación desigual de variantes dialectales en los datos. Esto podría llevar a resultados menos precisos para algunas regiones o formas culturales del español.

Recommendations

– Validar las salidas del modelo en contextos sensibles

– Promover retroalimentación y reentrenamiento con datos de comunidades diversas

– Usar como herramienta complementaria, no como sustituto del juicio humano

Training Details

Training Data

El modelo fue entrenado con el conjunto de datos dataset-preferencias-v0, creado durante el Hackathon de Somos NLP 2025. Este dataset contiene ejemplos anotados con preferencias dialectales del español y fue preprocesado para asegurar claridad y representatividad regional. [Dataset: https://huggingface.co/datasets/somosnlp-hackathon-2025/dataset-preferencias-v0]

Training Procedure

Preprocessing [optional]

– Normalización de texto

– Etiquetado de dialectos

– Filtrado por claridad y relevancia

Factors

– Diferencias por país/región

– Registro lingüístico (formal/informal)

Model Card Authors [optional]

– Susana Zhou – Constanza Jeldres

Downloads last month: 2

Safetensors

Model size

8B params

Tensor type

BF16

Model tree for somosnlp-hackathon-2025/leia_preference_model_social_norms

Quantizations

1 model

Space using somosnlp-hackathon-2025/leia_preference_model_social_norms 1

Collection including somosnlp-hackathon-2025/leia_preference_model_social_norms

Variedades del español

Collection

4 items • Updated Jun 4, 2025