---
license: mit
datasets:
- airesearch/wangchanx-seed-free-synthetic-instruct-thai-120k
language:
- th
metrics:
- bleu
- rouge
- exact_match
base_model:
- kobkrit/thai-t5-base
pipeline_tag: text2text-generation
library_name: transformers
---

# **ThaiT5-Instruct**

## **Model Description**
`ThaiT5-Instruct` is a fine-tuned version of `kobkrit/thai-t5-base`, trained on the **WangchanX Seed-Free Synthetic Instruct Thai 120k** dataset. This model supports various NLP tasks, including:
- **Conversation**
- **Multiple Choice Reasoning**
- **Brainstorming**
- **Question Answering**
- **Summarization**

The model has been trained for **13 epochs** and can be further improved with more resources.

---

## **Training Details**
- **Base Model**: `kobkrit/thai-t5-base`
- **Epochs**: `13`
- **Batch Size per Device**: `32`
- **Gradient Accumulation Steps**: `2`
- **Optimizer**: AdamW
- **Hardware Used**: `A100`

**Training Loss per Epoch**:
```
[2.2463, 1.7010, 1.5261, 1.4626, 1.4085, 1.3844, 1.3647, 1.3442, 1.3373, 1.3182, 1.3169, 1.3016]
```

**Validation Loss per Epoch**:
```
[1.4781, 1.3761, 1.3131, 1.2775, 1.2549, 1.2364, 1.2226, 1.2141, 1.2043, 1.1995, 1.1954, 1.1929]
```

---

## **Evaluation Results**
The model was evaluated using several NLP metrics, with the following results:

| Metric       | Score  |
|-------------|--------|
| ROUGE-1     | 0.0617 |
| ROUGE-2     | 0.0291 |
| ROUGE-L     | 0.061  |
| BLEU        | 0.0093 |
| Exact Match | 0.2516 |
| F1 Score    | 27.8984 |

---

## **Usage**

### **Basic Inference (Without Context)**
```python
from transformers import AutoModelForSeq2SeqLM, AutoTokenizer

model = AutoModelForSeq2SeqLM.from_pretrained("Peenipat/ThaiT5-Instruct", trust_remote_code=True)
tokenizer = AutoTokenizer.from_pretrained("Peenipat/ThaiT5-Instruct")

input_text = "หวัดดี"

inputs = tokenizer(input_text, return_tensors="pt")
outputs = model.generate(input_ids=inputs["input_ids"])
output_text = tokenizer.decode(outputs[0], skip_special_tokens=True)

print(output_text)
```

**Example:**
```python
input_text = "คำว่า ฮัก หมายถึงอะไร"

inputs = tokenizer(input_text, return_tensors="pt")
outputs = model.generate(input_ids=inputs["input_ids"])
output_text = tokenizer.decode(outputs[0], skip_special_tokens=True)

print(output_text)
```
**Output:**
```
"ฮัก หมายถึง ภาษา สันสกฤต ภาษา สันสกฤต "
```

---

### **Question Answering (With Context)**
```python
from transformers import AutoModelForSeq2SeqLM, AutoTokenizer, pipeline

model = AutoModelForSeq2SeqLM.from_pretrained("Peenipat/ThaiT5-Instruct", trust_remote_code=True)
tokenizer = AutoTokenizer.from_pretrained("Peenipat/ThaiT5-Instruct")

model.eval()
qa_pipeline = pipeline("text2text-generation", model=model, tokenizer=tokenizer)

def ask_question():
    context = input("Input Context: ")
    question = input("Input Question: ")
    input_text = f"Context: {context} Question: {question}"
    output = qa_pipeline(input_text,
                         max_length=60,
                         min_length=20,
                         no_repeat_ngram_size=3,
                         num_beams=5,
                         early_stopping=True)
    output_text = output[0]['generated_text']
    print("\nOutput:")
    print(output_text)
```

**Example:**
```
Input Context: ฮัก คือความรู้สึกผูกพันและห่วงใยที่เกิดขึ้นระหว่างคนที่มีความสำคัญต่อกัน ไม่ว่าจะเป็นฮักหนุ่มสาว ฮักพ่อแม่ลูก หรือฮักพี่น้อง ฮักบ่ได้หมายถึงแค่ความสุข แต่ยังรวมถึงความเข้าใจ การอดทน และการเสียสละเพื่อกันและกัน คนอีสานมักแสดงความฮักผ่านการกระทำมากกว่าคำพูด เช่น การดูแลเอาใจใส่ และการอยู่เคียงข้างยามทุกข์ยาก ฮักแท้คือฮักที่มั่นคง บ่เปลี่ยนแปลงตามกาลเวลา และเต็มไปด้วยความจริงใจ
Input Question: คำว่า ฮัก หมายถึงอะไร

Output:
ฮัก ความรู้สึกผูกพันและห่วงใย เกิดขึ้นระหว่างคนมีความสําคัญต่อกัน ฮักบ่ได้หมายถึงความสุข ความเข้าใจ การอดทน เสียสละเพื่อกันและกัน คนอีสานมักแสดงความฮักผ่านการกระทํามากกว่าคําพูด ดูแลเอาใจใส่ ที่อยู่เคียงข้างยามทุกข์
```

---

## **Limitations & Future Improvements**
- The model can be further improved with additional training resources.
- Performance on complex reasoning tasks may require further fine-tuning on domain-specific datasets.
- The model does not possess general intelligence like **ChatGPT**, **Gemini**, or other advanced AI models. It excels at extracting answers from given contexts rather than generating knowledge independently.

---

## **Citation**
If you use this model, please cite it as follows:

```bibtex
@misc{PeenipatThaiT5Instruct,
  title={ThaiT5-Instruct},
  author={Peenipat},
  year={2025},
  publisher={Hugging Face},
  url={https://huggingface.co/Peenipat/ThaiT5-Instruct}
}