ABDEID-Islamic AI
نموذج لغوي عربي متخصص في المعرفة الإسلامية
بمنظور أهل السنة والجماعة وأدب الحوار
تأسيس وتطوير وضبط: عبدالله عيد
24B · تدريب إضافي على أوزان مدرّبة مسبقًا · Transformers
نبذة عن المشروع**
ABDEID-Islamic AI مشروع نموذج لغوي عربي أنشأه ويطوره Abdallah Eid للتعامل مع الأسئلة والمحتوى ذي الصلة بالمعرفة الإسلامية واللغة العربية. تعود إليه أعمال المشروع الأصلية، بما فيها تصميم المشروع، واختيار مجال التخصص، وإعداد نسخته المضبوطة، وتوثيقها.
معرّف إصدار المشروع: abdallah3id/ABD3ID-LLM-24B. صفحة المطوّر على GitHub.
النموذج لم يُدرّب من الصفر. بدأ من أوزان نموذج لغوي مُدرّب مسبقًا، ثم خضع لتدريب إضافي وضبط للأوزان باستخدام بيانات إسلامية أُعدّت للمشروع وإطار Hugging Face Transformers. يجب تحديد النموذج الأساسي السابق وإصداره وترخيصه من سجل التدريب وملفات النموذج قبل إكمال بيانات البطاقة أو إعادة توزيع الأوزان.
يركّز المشروع على تطوير تجربة لغوية عربية نافعة بمنظور أهل السنة والجماعة، مع عرض هذا المنظور بوضوح وأدب، والتعريف بالآراء الإسلامية الأخرى دون إساءة أو تحريض. ويميّز بين إجابات النموذج والنص الديني الأصلي، ولا يعتبر المخرجات مصدرًا شرعيًا أو بديلًا للمراجع المعتمدة.
معلومات النموذج
| الخاصية | التفاصيل |
|---|---|
| اسم المشروع | ABDEID-Islamic AI |
| صاحب المشروع ومطوّره | Abdallah Eid |
| معرّف إصدار المشروع | abdallah3id/ABD3ID-LLM-24B |
| عدد المعاملات | 24B بحسب معرّف الإصدار؛ يُرجى تأكيد العدد الدقيق من config.json |
| الأوزان المنشورة | حزمة checkpoint كاملة بحسب تأكيد المطوّر؛ تعرض لقطة المستودع 18 جزءًا بصيغة safetensors وملف الفهرس model.safetensors.index.json |
| مجال الاستخدام المقصود | اللغة العربية والمعرفة الإسلامية بمنظور أهل السنة والجماعة |
| طريقة التطوير | تدريب إضافي وضبط أوزان انطلاقًا من نموذج مُدرّب مسبقًا |
| صاحب أعمال الضبط والتخصيص | Abdallah Eid |
| أسلوب ضبط الأوزان | بحسب تأكيد المطوّر: تدريب وضبط كامل للأوزان باستخدام Transformers، وليس LoRA؛ تفاصيل التشغيل تحتاج إلى سجل تدريب |
| النموذج الأساسي السابق | يلزم تحديد الاسم والإصدار من سجلات التدريب |
| إطار التدريب | Hugging Face Transformers |
| نتيجة اختبار أولية مُبلّغ عنها | 78% في اختبار داخلي؛ تفاصيل المنهجية غير منشورة |
النتيجة الأولية والتقييم
أُبلغ عن نسبة نجاح قدرها 78% في اختبار داخلي أولي. لا تتوفر في معلومات المشروع الحالية تفاصيل منشورة كافية عن حجم الاختبار، وتعريف النجاح، وتركيب الأسئلة، وطريقة احتساب النتيجة، أو خط أساس للمقارنة.
لذلك لا تثبت هذه النسبة تفوق النموذج على نموذج آخر، ولا تمثل دقة عامة أو اعتمادًا علميًا. لا تُستخدم أوصاف مثل «متفوق» أو نتائج مقارنة إلا بعد توثيق اختبار قابل للتكرار ومقارنة عادلة.
ملخص مرئي للنتائج والأهداف
رسم توضيحي للبيانات المذكورة في هذه البطاقة، وليس صورة من لوحة قياس أو تقرير اختبار مستقل. نسبة 78% مُبلّغ عنها داخليًا، وهدف 80%+ مقترح وغير مقاس.
الاختبار الداخلي المُبلّغ عنه 78% ███████████████▋░░░░ نتيجة أولية غير متحقق منها مستقلًاهدف التوازن والاحترام 80%+ ──────────────────── هدف تقييم مقترح، وليس نتيجة محققة
| المؤشر | النسبة | نوع الرقم |
|---|---|---|
| النجاح في الاختبار الداخلي | 78% | نتيجة مُبلّغ عنها؛ تفاصيل القياس غير منشورة |
| عرض الاختلاف المذهبي باحترام وإنصاف | هدف لا يقل عن 80% | هدف مقترح للاختبار؛ لم يُقَس بعد |
لا توجد نتائج منشورة منفصلة تقيس توازن عرض المذاهب؛ لذلك لا تُنسب نسبة 78% إلى التوازن، ولا يُعرض الهدف المقترح على أنه نتيجة فعلية. ينبغي قياسه بعينة أسئلة يراجعها مختصون من اتجاهات متعددة، وبمعايير معلنة تشمل دقة العرض، والإنصاف، وتجنب التحقير، ووضوح نسبة كل رأي إلى أصحابه.
ما يلزم لنشر تقييم قابل للتكرار
عدد أمثلة الاختبار ومجالاتها وطريقة اختيارها.
تعريف واضح للإجابة الناجحة ومعايير التقييم.
البسط والمقام اللذان نتجت عنهما نسبة 78%، وتاريخ الاختبار وإصدار النموذج.
فصل بيانات الاختبار عن بيانات التدريب والتحقق من عدم تداخلها.
النتائج حسب المجال، مع تسجيل الأخطاء والإجابات غير المكتملة.
خط أساس معلوم وظروف مقارنة متطابقة إذا أُريد قياس التفوق.
تفاصيل المراجعة البشرية وعدد المراجعين وطريقة فض اختلافاتهم، إن استُخدمت.
أسئلة متعددة الاتجاهات عن المذاهب، يراجعها مختصون متنوعون باستخدام Rubric منشور لقياس الدقة والإنصاف والاحترام.
المنظور السني وأدب عرض الخلاف
يتبنى المشروع منظور أهل السنة والجماعة، ويهدف إلى شرح هذا المنظور كما يفهمه أهله، لا إلى الإساءة لأتباع المذاهب أو الفرق الإسلامية الأخرى. وعند بيان الفرق بين السنة والشيعة، يذكر أن كليهما يضم اتجاهات ومدارس متنوعة، وأن البحث الأكاديمي والديني الرصين يصف المسائل محل الخلاف وينسب الأقوال إلى مصادرها.
التوجيه السلوكي المقصود للنموذج: تكون الإجابات عن الأسئلة الإسلامية من منظور أهل السنة والجماعة افتراضيًا، ويُصرّح بهذا المنظور عند الحاجة. إذا طلب المستخدم مقارنة أو عرض رأي مذهب آخر، فيُعرض ذلك الرأي بأمانة مع نسبته إلى أصحابه ومصادره، من غير تقديمه على أنه موقف النموذج أو محل اتفاق جميع المسلمين. يلتزم النموذج بالأدب والدقة، ولا يختلق أدلة أو إجماعات، ويبيّن حدود معرفته ويحيل الفتوى إلى أهل الاختصاص.
من أبرز المسائل التاريخية والعقدية التي تُذكر في المقارنات: مفهوم الإمامة والقيادة بعد وفاة النبي ﷺ، ومصادر الرواية الحديثية وبعض مناهج الاستدلال والفقه. وتختلف التفاصيل داخل كل من التقاليد السنية والشيعية؛ لذلك لا يصح اختزال جميع أتباع أي منهما في رأي واحد. كما توجد أصول وممارسات دينية مشتركة واسعة، مع اختلافات معتبرة في مسائل أخرى.
يلتزم العرض المقترح بما يلي:
يجيب عن الأسئلة الدينية من المنظور السني افتراضيًا، ويذكر هذا المنظور بوضوح، ولا يقدم رأيًا مذهبيًا وكأنه محل إجماع الجميع.
يشرح رأي الطرف الآخر بصياغة منصفة قابلة للمراجعة، ويميز بين المعلومة التاريخية والتقييم العقدي.
يتجنب التكفير والشتائم والتعميم على أتباع أي مذهب، ويذكر مواضع الاتفاق والاختلاف بدقة.
يحيل المسائل الخلافية إلى المصادر المتخصصة، ولا يخترع اقتباسات أو نسبًا أو إجماعات.
أمثلة توضيحية لأسلوب الإجابة
الأمثلة الآتية نماذج أسلوبية تحريرية وليست مخرجات اختبار موثقة أو اقتباسات حرفية من النموذج:
سؤال: ما الفرق بين السنة والشيعة؟
مثال إجابة متوازنة: كلاهما تقليدان إسلاميان متنوعان، ويشترك أتباعهما في أصول دينية واسعة. من أبرز المسائل التي تناولها الخلاف التاريخي والعقدي تصور الإمامة والقيادة بعد وفاة النبي ﷺ، ومناهج تلقي بعض الروايات والاستدلال الفقهي. داخل كل تقليد مدارس واتجاهات متعددة؛ لذلك ينبغي نسبة التفاصيل إلى مصادرها وعدم تعميم قول واحد على الجميع. ومن المنظور السني، تُشرح المسألة وفق مصادر أهل السنة، مع عرض رأي الطرف الآخر بأمانة واحترام.
سؤال: اشرح موقف أهل السنة والجماعة من اتباع السنة النبوية.
مثال إجابة من منظور سني: يعتني أهل السنة والجماعة بالقرآن الكريم وبالسنة النبوية، ويستدلون بما صحّ من الحديث وفق مناهج أهل الاختصاص في الرواية والدراية. وتتنوع اجتهادات الفقهاء في فهم الأدلة وتنزيلها، لذا يُذكر الخلاف الفقهي المعتبر مع نسبته إلى أصحابه. هذه خلاصة تعريفية وليست فتوى في مسألة بعينها.
سؤال: اذكر آية عن موضوع معين.
مثال سلوك آمن: أستطيع ذكر مرجع الآية أو شرح موضوعها، لكن يجب مطابقة نصها وتشكيلها ورقمها مع مصحف موثوق قبل النقل أو النشر؛ فقد يخطئ النموذج في الاقتباس الحرفي.
تنبيه مهم: الآيات القرآنية والمحتوى الديني
قد يخطئ النموذج في نقل الآيات أو ترتيب كلماتها أو تشكيلها أو نسبتها أو تفسيرها، وقد ينتج نصًا يبدو صحيحًا من دون أن يطابق المصحف. لا تلغي نسبة الاختبار الداخلية هذا الخطر.
لا تعتمد مخرجات النموذج كتلاوة أو نص قرآني مضبوط أو مرجع شرعي.
طابق أي آية أو اقتباس حرفيًا مع مصحف موثوق ومصدر معتمد.
لا تنشر نصًا قرآنيًا ولّده النموذج قبل التحقق البشري المتخصص.
ارجع إلى أهل الاختصاص والمصادر المعتمدة في الفتاوى والأحكام الشرعية.
ميّز بين النص المنقول والشرح والإجابة التي أنشأها النموذج.
بيانات التدريب ومصدر الأوزان
أُجري التدريب الإضافي وضبط نسخة المشروع بواسطة Abdallah Eid انطلاقًا من أوزان نموذج مُدرّب مسبقًا، باستخدام بيانات إسلامية أُعدّت للمشروع. تعود أعمال إعداد نسخة المشروع وتخصيصها وتوثيقها إلى Abdallah Eid. اسم النموذج الأساسي السابق غير محدد في هذه البطاقة حتى الآن؛ يجب أخذه من إعدادات التدريب أو بيانات النموذج، لا استنتاجه من اسم المستودع.
يجب توثيق مصادر بيانات التدريب وتراخيصها، وأي نصوص أو ترجمات أو شروح أُخذت من أطراف أخرى. إعداد بيانات المشروع لا يعني ملكية النصوص الأصلية التي يملكها الغير، ولا يلغي شروط استخدامها.
هندسة التدريب وضبط الجودة
يعرض هذا القسم منهجية تطوير موصى بها لتدريب النموذج وتحسينه بصورة قابلة للتكرار. لا يعني إدراج خطوة أن تنفيذها أو قياس أثرها قد تم؛ تُحدّث الحالة فقط عند توفر سجلات أو نتائج يمكن مراجعتها.
عرض مسار التدريب المقترح
| المرحلة | الإجراء التقني | دليل الإنجاز المطلوب |
|---|---|---|
| حوكمة البيانات | تسجيل المصدر والترخيص والتاريخ واللغة لكل مجموعة، واستبعاد المواد مجهولة المصدر أو غير المصرح بها | manifest للبيانات ومراجع التراخيص |
| تنظيف البيانات | إزالة التكرار الحرفي وشبه الحرفي، وفحص الترميز واللغة، وتنقية الأمثلة الفاسدة أو منخفضة الجودة | تقرير تنظيف ومعدلات الاستبعاد |
| منع تسرب الاختبار | تقسيم البيانات إلى تدريب وتحقق واختبار قبل الضبط، مع فحص التداخل بين التقسيمات | بصمات التقسيم ونتائج فحص التلوث |
| تشكيل الأمثلة | تنسيق أمثلة التعليمات والحوار بما يطابق tokenizer وقالب المحادثة للنموذج الأساسي | عينات منقحة واختبارات round-trip للقالب |
| التدريب الإضافي | إجراء الضبط المباشر للأوزان عبر Transformers وفق إعدادات مثبتة؛ لا تُذكر طريقة الضبط على أنها مؤكدة قبل حفظ سجل التشغيل | سجل الإعدادات، نسخة المكتبات، وسجل التدريب |
| الاستقرار | اختيار precision والـ batch الفعال ومعدل التعلم والجدولة والتدرج المتراكم وفق العتاد؛ مراقبة loss وgradient norm واستخدام gradient clipping عند الحاجة | منحنيات التدريب والتحقق وإعدادات التشغيل |
| اختيار checkpoint | حفظ نقاط تحقق دورية، ومقارنة أداء التحقق، واختيار checkpoint بمعيار معلن بدل اختيار آخر نقطة تلقائيًا | معرف checkpoint ومعيار الاختيار |
| مواءمة التعليمات | اختبار الاستجابة للتعليمات، تنسيق الإجابة، الرفض المناسب، والالتزام بنطاق النموذج | مجموعة تقييم ثابتة ونتائج حسب الفئة |
| مراجعة المجال | مراجعة عينات دينية ولغوية من خبراء مؤهلين ومتعددين، وفصل المعلومة عن الرأي المذهبي | rubric، عدد المراجعين، وسجل الملاحظات |
| إصدار النموذج | تثبيت revision وملفات tokenizer وconfig مع الأوزان، وتشغيل فحوص التحميل والاستدلال من بيئة نظيفة | manifest إصدار وبصمات SHA-256 |
إعدادات مثل optimizer، ومعدل التعلم، وعدد الخطوات، وطول السياق، والعتاد، وprecision يجب أن تُستمد من سجل التشغيل الفعلي؛ لا تُخمن أو تُعرض كإنجازات. تقنيات مثل التدريب المرحلي، أو تفضيل الإجابات البشرية، لا تُنسب للإصدار إلا عند وجود بياناتها وسجلاتها ونتائجها.
خصائص الأوزان وسلامة الإصدار
بحسب تأكيد المطوّر ولقطة ملفات المستودع، الإصدار المنشور هو حزمة النموذج الكاملة بعد التدريب، وليس حزمة LoRA منفصلة. وتُظهر اللقطة 18 جزءًا من ملفات safetensors مع model.safetensors.index.json، إضافة إلى ملفات إعدادات النموذج وملفات tokenizer وقالب المحادثة. هذا يصف ملفات الإصدار المنشور؛ أما إثبات تفاصيل عملية التدريب، مثل إعدادات optimizer والخطوات والعتاد، فيتطلب سجل التشغيل.
رسم توضيحي لبنية الملفات كما ظهرت في لقطة المستودع التي قدمها المطوّر؛ راجع قائمة الملفات في الإصدار المنشور للتأكد من استمرار تطابقها.
عرض خصائص الحزمة وفحوصها
| الخاصية | الفائدة | الحالة في هذه البطاقة |
|---|---|---|
| ملفات الأوزان الكاملة | تتيح تحميل checkpoint النموذج بعد التدريب بدل الاعتماد على ملفات adapter منفصلة | بحسب تأكيد المطوّر؛ لقطة المستودع تعرض 18 جزءًا |
فهرس الأوزان model.safetensors.index.json |
يربط tensors بأجزاء الأوزان لتسهيل تحميل النموذج المجزأ | ظاهر في لقطة المستودع |
ملفات safetensors |
تخزين tensors بصيغة آمنة للتحميل مقارنة بملفات pickle التقليدية | لقطة المستودع تعرض 18 جزءًا؛ تحقّق من النسخة الحالية عند النشر |
config.json وtokenizer وقالب المحادثة |
الحفاظ على توافق البنية والترميز وتنسيق الإدخال بين البيئات | تظهر ملفاتها في لقطة المستودع؛ يلزم اختبار تحميل كامل |
| أسماء ملفات الأوزان وأحجامها وبصمات SHA-256 | يتيح التحقق من اكتمال الملفات وسلامة التنزيل | عدد الأجزاء ظاهر؛ الأحجام والبصمات غير موثقة بعد |
| إصدارات متعددة الدقة أو quantization | توازن بين استهلاك الذاكرة وسرعة الاستدلال وجودة المخرجات | غير موثقة؛ لا تنشئ أو تنسب نسخًا غير موجودة |
| بطاقة إصدار وسجل تغييرات | يوضح مصدر checkpoint والتعديلات والتوافق والقيود | يوصى بإرفاقها مع كل إصدار |
| اختبار تحميل واستدلال نظيف | يكشف الملفات الناقصة وعدم توافق المكتبات أو إعدادات tokenizer | أضف الأمر والبيئة والنتيجة بعد الاختبار |
| تحقق جودة بعد التحويل أو quantization | يكشف تراجع الجودة الناتج عن تحويل الأوزان | يلزم قياسه لكل صيغة منشورة |
لا تغيّر quantization أو تحويل الأوزان شروط ترخيص النموذج الأساسي، ولا يثبت وحده تحسن الجودة. يجب أن تشير كل صيغة منشورة إلى checkpoint المصدر، وأداة التحويل وإصدارها، وإعدادات التحويل، ونتائج مقارنة الجودة.
سجل المخاطر والأخطاء وإجراءات الحد منها
هذه قائمة فحوص ومعالجات موصى بها استنادًا إلى طبيعة النماذج اللغوية ومجال الاستخدام؛ ليست ادعاءً بأن الأخطاء التالية اكتُشفت وعولجت بالفعل في الأوزان الحالية. سجّل لكل بند حالة الاختبار، وأمثلة الإخفاق، وإصدار الإصلاح قبل وصفه بأنه معالج.
عرض حالات الإخفاق وإجراءات المعالجة المقترحة
| حالة الإخفاق المحتملة | إجراء الحد أو المعالجة | معيار التحقق |
|---|---|---|
| اختلاق نص آية أو خطأ في التشكيل أو رقم الآية | تجنب ضمان الاقتباس الحرفي، وطلب مطابقة النص مع مصحف موثوق، وتوجيه المستخدم إلى مصدر معتمد | اختبار اقتباسات مرجعية ومراجعة بشرية؛ لا يُعتمد النموذج مصدرًا للنص |
| إجابة شرعية جازمة بلا مصدر أو مع خلط الرأي بالحقيقة | إظهار حدود المعرفة، ونسبة الأقوال لمصادرها عند توافرها، والإحالة لأهل الاختصاص | مراجعة خبراء لعينات أسئلة وقياس الإسناد والتحفظ المناسب |
| تعميم مسيء أو عرض غير منصف للخلاف المذهبي | اختبار أسئلة بصياغات متعددة، ورصد الإهانة والتعميم والتحيز، ومراجعة الإجابات من اتجاهات متنوعة | rubric معلن ونتائج منفصلة لكل فئة |
| هلوسة أسماء الكتب أو الأحاديث أو المراجع | طلب مرجع قابل للتحقق، وعدم اختلاق بيانات ببليوغرافية، والتصريح عند تعذر التحقق | التحقق من عينة المراجع مقابل مصادر موثوقة |
| تكرار الإجابة أو الخروج عن السؤال | فحص طول المخرجات وإعدادات التوليد وقالب المحادثة، وإضافة أمثلة تقييم للحوار متعدد الأدوار | معدل التكرار والالتزام بالمطلوب في مجموعة ثابتة |
| تفاوت الإجابة بين العربية الفصحى واللهجات أو خلط اللغات | توسيع تغطية التقييم بحسب اللغة واللهجة، وضبط صيغة البيانات دون محو التنوع اللغوي | النتائج مفصّلة حسب اللغة واللهجة |
| تحميل خاطئ بسبب اختلاف tokenizer أو config أو revision | حزم ملفات الإصدار المتوافقة واختبار التحميل من مجلد نظيف وتثبيت نسخ المكتبات | اختبار تحميل واستدلال ناجح مع manifest محدد |
| تراجع الجودة بعد تقليل الدقة أو تحويل الأوزان | مقارنة الصيغة المحولة بالـ checkpoint المصدر على مجموعة تحقق ثابتة | تقرير فرق الجودة والذاكرة والسرعة لكل صيغة |
حالة كل إجراء في الإصدار الحالي: غير موثقة ما لم تُرفق نتيجة اختبار قابلة للمراجعة. لا تضع علامة «تم الإصلاح» اعتمادًا على اقتراح المعالجة أو تعديل وصف البطاقة وحده. ظهور ملفات checkpoint كاملة بعد التدريب لا يثبت وحده أن حالات الإخفاق المذكورة اختُبرت أو عولجت.
سجل تقني للنشر
أضف القيم الفعلية من سجلات التدريب وملفات الأوزان؛ لا تخمّن المواصفات غير المنشورة.
| المجال | المعلومات المطلوب توثيقها |
|---|---|
| النموذج الأساسي | الاسم الدقيق، الجهة، الإصدار أو commit، ورابط الترخيص |
| إصدار المشروع | commit أو revision للأوزان المضبوطة |
| البنية والأوزان | عدد المعاملات الدقيق وإعدادات config.json، أسماء ملفات الأوزان وأحجامها وبصماتها |
| البيانات | المصادر والتراخيص والأحجام والتنقية وإزالة التكرار |
| التدريب | إصدارات Transformers وPyTorch، optimizer، معدل التعلّم، والخطوات/العصور |
| الإعدادات | batch size، طول السياق، precision، وجدولة معدل التعلّم |
| العتاد | نوع المعالجات والذاكرة وبيئة التشغيل |
| ملفات الأوزان | أسماء الملفات والأحجام وبصمات SHA-256 |
| التقييم | مجموعة الاختبار وطريقة القياس والنتائج التفصيلية والقيود |
حدود الاستخدام
هذا النموذج أداة مساعدة قيد التقييم، وليس جهة إفتاء أو مرجعًا دينيًا، ولا يضمن صحة المعلومات أو الاقتباسات. على المستخدم مراجعة المخرجات والتحقق منها قبل استخدامها أو تداولها.
الإسناد والترخيص
**المؤلف وصاحب المشروع ومطوّر النسخة المتخصصة: Abdallah Eid.** تُنسب أعمال تصميم هذا المشروع وتطويره وضبط نسخته وتوثيقها إليه. نتيجة الاختبار الداخلي البالغة 78% مُبلّغ عنها من صاحب المشروع، ولم تُنشر بعد تفاصيل مستقلة كافية للتحقق منها.
© 2026 Abdallah Eid. جميع الحقوق محفوظة للمواد الأصلية التي أنشأها صاحب المشروع، ما لم يرد إشعار منفصل بخلاف ذلك. لا يمنح هذا الإشعار إذنًا تلقائيًا بنسخ تلك المواد أو تعديلها أو إعادة توزيعها أو استخدامها تجاريًا؛ يلزم إذن كتابي مسبق.
الأوزان في هذا الإصدار جرى تخصيصها وضبطها بواسطة Abdallah Eid، وهي مشتقة من نموذج لغوي ذي أوزان مُدرّبة مسبقًا. لذلك لا تعني نسبة أعمال المشروع إليه أنه أنشأ الأوزان السابقة من الصفر أو يملك حقوقها. هوية النموذج السابق وترخيصه غير موثقين في هذه البطاقة بعد. تخضع الأوزان المشتقة لشروط ترخيص النموذج الأساسي، ولا تستطيع عبارة «جميع الحقوق محفوظة» إلغاء تلك الشروط أو نقل ملكية أوزان الغير إلى صاحب المشروع.
كذلك تبقى البيانات والمكتبات والبرمجيات ومكونات التشغيل الخارجية خاضعة لتراخيص وحقوق أصحابها. تحقق من ترخيص النموذج الأساسي ومصادر البيانات قبل تنزيل الأوزان أو إعادة توزيعها أو استخدامها. لا تُعِد توزيع الأوزان المشتقة قبل استكمال هذا التحقق.
الحالة
معرّف النموذج:
abdallah3id/ABD3ID-LLM-24B.التدريب الإضافي وضبط نسخة المشروع: أُنجزا بواسطة Abdallah Eid وفق معلومات صاحب المشروع.
نتيجة أولية أبلغ عنها Abdallah Eid: 78% نجاح في اختبار داخلي؛ بروتوكول القياس قيد التوثيق.
التقييم المستقل والمقارنة القابلة للتكرار: غير منشورين.
النموذج الأساسي السابق وترخيصه: يلزم توثيقهما من سجلات التدريب.
مراجعة الآيات والمحتوى الشرعي: ضرورية دائمًا قبل الاعتماد أو النشر.
---
أسئلة وأجوبة توضيحية جديدة
تنبيه: الأمثلة التالية نصوص تحريرية مقترحة لتوضيح أسلوب النموذج، وليست إجابات مقاسة أو مخرجات موثقة من الأوزان المنشورة.
سؤال: هل الأرض كروية أم مسطحة؟
مثال جواب: الله أعلم بكل شيء. ورد في القرآن الكريم قوله تعالى: ﴿وَإِلَى الْأَرْضِ كَيْفَ سُطِحَتْ﴾ [الغاشية: 20]. يفسّر بعض القرّاء هذا الوصف على أنه بسط للأرض كما تبدو للناظر، بينما يرى مفسرون أن وصف سطحها الممهّد لا ينفي كرويتها. ومن جهة القياس العلمي، تؤكد الأدلة الرصدية أن الأرض شبه كروية وليست قرصًا مسطحًا. ينبغي التمييز بين تفسير الآية وبين الحكم العلمي التجريبي، مع احترام القرآن وعدم نسبة معنى واحد إليه باعتباره إجماعًا.
سؤال: لماذا يقرأ المسلم القرآن؟
مثال جواب: لأن القرآن كتاب هداية وتدبر وعبادة عند المسلمين. ويمكن للنموذج شرح معاني الآيات، لكنه لا يحل محل المصحف الموثوق أو تفسير أهل العلم.
سؤال: ما معنى التوكل على الله؟
مثال جواب: التوكل هو اعتماد القلب على الله مع الأخذ بالأسباب المشروعة، مثل العمل والتعلم والعلاج، وليس ترك السعي.
سؤال: كيف نتعامل مع الاختلاف بين المذاهب؟
مثال جواب: نعرض كل رأي بدقة وننسبه إلى أصحابه، ونتجنب الإساءة والتكفير والتعميم، ونرجع إلى المصادر المعتمدة عند نقل الأحكام.
ABDEID-Islamic AI
Arabic Language Model for Islamic Knowledge
Sunni Perspective · Respectful Dialogue
Created, developed and fine-tuned by Abdallah Eid
24B · Continued Training on Pretrained Weights · Transformers
Project Overview
ABDEID-Islamic AI is an Arabic language-model project created and developed by Abdallah Eid to address questions and content related to Islamic knowledge and the Arabic language. Original project work—including project design, choice of specialization, preparation of the fine-tuned version, and documentation—is attributed to him.
Project release identifier: abdallah3id/ABD3ID-LLM-24B. Developer's GitHub profile.
The model was not trained from scratch. It began with pretrained language-model weights, then underwent continued training and weight fine-tuning using Islamic-domain data prepared for this project and the Hugging Face Transformers framework. The original base model, its release, and its license must be established from training records and model files before the model card is finalized or weights are redistributed.
The project aims to provide a useful Arabic-language experience from the perspective of Ahl al-Sunnah wa al-Jama'ah (Sunni Islam), while presenting that perspective clearly and respectfully and describing other Islamic views without abuse or incitement. It distinguishes model-generated answers from original religious texts and does not treat its outputs as religious authority or a substitute for established references.
Model at a Glance
| Property | Details |
|---|---|
| Project name | ABDEID-Islamic AI |
| Project owner and developer | Abdallah Eid |
| Release identifier | abdallah3id/ABD3ID-LLM-24B |
| Parameter count | 24B according to the release identifier; confirm the exact count using config.json |
| Published weights | Reported complete checkpoint package; repository snapshot shows 18 safetensors shards and model.safetensors.index.json |
| Intended domain | Arabic language and Islamic knowledge from a Sunni perspective |
| Development approach | Continued training and fine-tuning starting from pretrained weights |
| Fine-tuning and customization | Abdallah Eid |
| Fine-tuning method | According to the developer: full-weight training and fine-tuning using Transformers, not LoRA; training logs are needed to substantiate the details |
| Original base model | Exact name and version must be retrieved from training records |
| Training framework | Hugging Face Transformers |
| Reported preliminary test result | 78% in an internal test; methodology details have not been published |
Preliminary Results and Evaluation
A 78% success rate in a preliminary internal test has been reported. Currently available project information does not include sufficient published details about the test size, definition of success, question composition, scoring method, or comparison baseline.
Accordingly, this figure does not demonstrate superiority over another model, nor does it represent general accuracy or scientific certification. Terms such as “outperforms” and comparative performance claims should be avoided until a reproducible evaluation and fair comparison have been documented.
Visual Summary of Results and Goals
Illustration of the figures mentioned in this model card—not a screenshot from an independent benchmark dashboard or test report. The 78% result is internally reported; the proposed 80%+ goal has not been measured.
Reported internal test 78% ███████████████▋░░░░ Preliminary, independently unverified result
Balance and respect goal 80%+ ──────────────────── Proposed evaluation target, not an achieved result
| Metric | Percentage | Status |
|---|---|---|
| Success in internal test | 78% | Reported result; measurement details unpublished |
| Respectful and fair presentation of sectarian differences | Target of at least 80% | Proposed evaluation goal; not yet measured |
No separate published results currently measure balanced presentation of Islamic schools of thought. Therefore, the 78% figure must not be attributed to balance, and the proposed target must not be presented as an achieved result. This should be evaluated using questions reviewed by specialists from multiple perspectives, with published criteria covering accuracy, fairness, avoidance of disparagement, and clear attribution of each view to its proponents.
Requirements for Reproducible Evaluation
- Number of test examples, their domains, and selection methodology.
- Clear definition of a successful answer and evaluation criteria.
- Numerator and denominator producing the 78% figure, test date, and model version.
- Separation of test data from training data and verification of no overlap.
- Domain-level results, including errors and incomplete answers.
- Identified baseline and identical comparison conditions if superiority is to be assessed.
- Human-review methodology, number of reviewers, and disagreement-resolution process, if applicable.
- Multi-perspective questions on Islamic schools, reviewed by diverse specialists using a published rubric for accuracy, fairness, and respect.
Sunni Perspective and Respectful Treatment of Differences
The project adopts the perspective of Ahl al-Sunnah wa al-Jama'ah and aims to explain it as understood by its adherents, not to insult followers of other Islamic schools or groups. When describing Sunni–Shia differences, it acknowledges the diversity of schools and trends within both traditions. Sound academic and religious discussion identifies disputed issues and attributes positions to their sources.
Intended model behavior: Answers to Islamic questions should default to the perspective of Ahl al-Sunnah wa al-Jama'ah, and identify that perspective when useful. If a user asks for a comparison or another school's view, present it accurately, attribute it to its adherents and sources, and do not imply it is the model's default position or a consensus among all Muslims. Maintain respectful language, avoid fabricated evidence or consensus, state uncertainty, and refer fatwas to qualified specialists. This documents the intended behavior; it does not guarantee that the current weights follow it without evaluation.
Among the major historical and theological topics in such comparisons are the concept of the Imamate and leadership after the Prophet Muhammad ﷺ, sources of hadith transmission, and some methods of legal reasoning. Details differ within both Sunni and Shia traditions; it is therefore inappropriate to reduce every adherent to a single opinion. There are also broad shared religious foundations and practices alongside meaningful differences in other matters.
The intended approach is to:
- Answer religious questions from a Sunni perspective by default and identify that perspective clearly, rather than portraying a sectarian position as universal consensus.
- Explain other perspectives fairly and in ways that can be checked, distinguishing historical information from theological evaluation.
- Avoid takfir, insults, and generalizations about followers of any school; describe agreement and disagreement accurately.
- Refer contested matters to specialized sources and never fabricate quotations, attributions, or claims of consensus.
Illustrative Answer Examples
The examples below are editorial style illustrations, not documented test outputs or verbatim quotations generated by the model.
Question: What is the difference between Sunnis and Shias?
Example of a balanced answer: Both are diverse Islamic traditions whose adherents share broad religious foundations. Major historical and theological disagreements include conceptions of the Imamate and leadership after the death of the Prophet Muhammad ﷺ, and methods of receiving certain narrations and deriving legal judgments. Each tradition contains multiple schools and trends, so particular views should be attributed to their sources rather than generalized to everyone. From a Sunni perspective, the issue is explained using Sunni sources while representing the other perspective faithfully and respectfully.
Question: Explain the Sunni position on following the Prophetic Sunnah.
Example of an answer from a Sunni perspective: Ahl al-Sunnah wa al-Jama'ah place importance on the Qur'an and the Prophetic Sunnah and draw on authenticated hadith according to specialist methods of transmission and criticism. Jurists may differ in interpreting evidence and applying it, so recognized jurisprudential differences should be noted and attributed to their proponents. This is an introductory summary, not a fatwa on a particular case.
Question: Cite a Qur'anic verse on a particular topic.
Example of safe behavior: I can provide a verse reference or explain its subject, but its exact wording, diacritics, and verse number must be checked against a trusted mushaf before quoting or publishing, because the model may make mistakes in verbatim citation.
Important Notice: Qur'anic Verses and Religious Content
The model may make mistakes in quoting Qur'anic verses, ordering words, applying diacritics, attributing verses, or interpreting them. It may produce text that looks authentic but does not match the mushaf. The internally reported test result does not eliminate this risk.
- Do not treat model outputs as a verified recitation, exact Qur'anic text, or religious authority.
- Check every verse and direct quotation against a trusted mushaf and authoritative source.
- Do not publish model-generated Qur'anic text without specialist human verification.
- Consult qualified specialists and recognized references for fatwas and religious rulings.
- Distinguish quoted scripture from commentary and model-generated answers.
Training Data and Weight Provenance
Continued training and fine-tuning of the project version were carried out by Abdallah Eid starting from pretrained model weights and using Islamic-domain data prepared for the project. Preparation, customization, and documentation of this project version are attributed to Abdallah Eid. The original base model is not yet identified in this card; it must be determined from training configurations or model records, not inferred from the repository name.
Training-data sources and their licenses must be documented, including third-party texts, translations, and commentaries. Preparing project data does not establish ownership of third-party source texts or override their usage conditions.
Training Engineering and Quality Assurance
This section presents a recommended development methodology for reproducible training and model improvement. Including a step does not mean it has been completed or that its impact has been measured; update its status only when supporting records or results are available.
View the proposed training workflow
| Stage | Technical action | Required evidence |
|---|---|---|
| Data governance | Record source, license, date, and language for each dataset; exclude unknown or unauthorized material | Data manifest and license references |
| Data cleaning | Remove exact and near duplicates, inspect encoding and language, and filter corrupt or low-quality examples | Cleaning report and exclusion rates |
| Test leakage prevention | Split training, validation, and test sets before tuning and check for overlap | Split fingerprints and contamination-check results |
| Example formatting | Match instruction/dialogue formatting to the base model's tokenizer and chat template | Reviewed samples and template round-trip tests |
| Continued training | Fine-tune weights directly through Transformers using fixed settings; do not claim a specific tuning method as verified without logs | Configuration, library versions, and training logs |
| Stability | Choose precision, effective batch size, learning rate, scheduler, and gradient accumulation for available hardware; monitor loss and gradient norm and use clipping when needed | Training/validation curves and run settings |
| Checkpoint selection | Save periodic checkpoints, compare validation performance, and select using a declared criterion rather than automatically using the last checkpoint | Checkpoint identifier and selection criterion |
| Instruction alignment | Evaluate instruction following, answer formatting, appropriate refusal, and adherence to scope | Fixed evaluation set and per-category results |
| Domain review | Have qualified, diverse experts review religious and linguistic samples, distinguishing facts from sectarian positions | Rubric, reviewer count, and feedback log |
| Model release | Pin revision and compatible tokenizer/config files, and test loading and inference in a clean environment | Release manifest and SHA-256 hashes |
Actual optimizer, learning rate, step count, context length, hardware, and precision must come from the real training logs; they should not be guessed or described as accomplished work. Methods such as staged training or human-preference optimization should not be attributed to this release without their data, records, and results.
Weight Package and Release Integrity
According to the developer and the repository-file snapshot, the published release is a complete post-training model package, not a standalone LoRA adapter. The snapshot shows 18 safetensors shards, model.safetensors.index.json, model configuration, tokenizer files, and a chat template. This describes the published release files; proof of training details—such as optimizer settings, training steps, and hardware—requires the training logs.
Illustration of the file structure shown in the repository snapshot provided by the developer; check the current published release file list to confirm it still matches.
View package properties and verification checks
| Property | Purpose | Status in this card |
|---|---|---|
| Full model weights | Enable loading the post-training checkpoint rather than relying on separate adapter files | Developer-reported; snapshot shows 18 shards |
model.safetensors.index.json |
Maps tensors to weight shards for loading a sharded model | Visible in snapshot |
safetensors files |
Store tensors in a format safer to load than conventional pickle files | Snapshot shows 18 shards; verify current release |
config.json, tokenizer, chat template |
Maintain compatibility of architecture, tokenization, and input formatting | Files appear in snapshot; complete loading test required |
| File names, sizes, SHA-256 hashes | Verify completeness and download integrity | Shard count visible; sizes and hashes not yet documented |
| Quantized or alternate-precision variants | Trade off memory, inference speed, and output quality | Not documented; do not invent or attribute nonexistent variants |
| Release card and changelog | Explain checkpoint provenance, changes, compatibility, and limitations | Recommended for each release |
| Clean loading and inference test | Detect missing files and tokenizer/library incompatibilities | Add command, environment, and result after testing |
| Post-conversion quality check | Detect regression from quantization or weight conversion | Measure each published format |
Quantization or weight conversion does not change the base model's license terms and does not, by itself, prove improved quality. Every converted format should identify its source checkpoint, conversion tool and version, conversion settings, and comparative quality results.
Risk Register and Mitigation Measures
The following are recommended checks and mitigations based on the nature of language models and their intended domain. They are not claims that these failures have already been found and fixed in the current weights. Record the test status, failure examples, and fix version before marking an issue as resolved.
View potential failure cases and recommended mitigations
| Potential failure | Mitigation | Verification criterion |
|---|---|---|
| Fabricated verse text or wrong diacritics or verse number | Avoid guaranteeing verbatim quotations; require checking against a trusted mushaf and refer to an authoritative source | Reference-based quotation tests and human review; do not use the model as a primary text source |
| Definitive religious ruling without a source or mixing opinion with fact | State knowledge limits, attribute positions when sources are available, and refer to qualified specialists | Expert review of samples and evaluation of sourcing and appropriate caution |
| Offensive generalizations or unfair sectarian comparison | Test varied phrasings, track insults/generalizations/bias, and obtain diverse expert review | Published rubric and separate per-category results |
| Hallucinated books, hadith, or references | Require verifiable references, avoid invented bibliographic data, and disclose when verification is unavailable | Check a sample of references against trusted sources |
| Repetitive or off-topic answers | Inspect generation length and settings and chat template; evaluate multi-turn dialogue | Repetition and task-adherence rates on a fixed set |
| Uneven quality across Modern Standard Arabic and dialects or mixed languages | Expand evaluation by language/dialect and refine data formatting without erasing variation | Results broken down by language and dialect |
| Loading errors due to tokenizer/config/revision mismatch | Package compatible release files and test loading from a clean directory with pinned libraries | Successful loading and inference using a specified manifest |
| Quality regression after reduced precision or weight conversion | Compare converted format against source checkpoint on a fixed validation set | Quality, memory, and speed difference report for each format |
Status of each mitigation in the current release: undocumented unless a reviewable test result is attached. Do not mark “fixed” based solely on a proposed remedy or a model-card edit. The presence of a full post-training checkpoint does not establish that these failure cases were tested or resolved.
Technical Publication Record
Add actual values from training logs and weight files; do not guess unpublished specifications.
| Area | Information to document |
|---|---|
| Base model | Exact name, organization, revision or commit, and license link |
| Project release | Commit or revision of fine-tuned weights |
| Architecture and weights | Exact parameter count, config.json settings, weight-file names, sizes, and hashes |
| Data | Sources, licenses, sizes, cleaning, and deduplication |
| Training | Transformers and PyTorch versions, optimizer, learning rate, steps/epochs |
| Settings | Batch size, context length, precision, learning-rate schedule |
| Hardware | Accelerator types, memory, and execution environment |
| Weight files | File names, sizes, and SHA-256 hashes |
| Evaluation | Test set, measurement methodology, detailed results, and limitations |
Usage Limitations
This model is an assistive tool under evaluation, not a fatwa-issuing authority or a religious reference. It does not guarantee factual or quotation accuracy. Users should review and verify outputs before relying on or distributing them.
Attribution and Licensing
Author, project owner, and developer of the specialized version: Abdallah Eid. The design, development, fine-tuning, and documentation of this project version are attributed to him. The reported 78% internal test result comes from the project owner, and sufficient independent verification details have not yet been published.
© 2026 Abdallah Eid. All rights reserved for original materials created by the project owner, unless a separate notice states otherwise. This notice does not automatically grant permission to copy, modify, redistribute, or commercially use those original materials; prior written permission is required.
The weights in this release were customized and fine-tuned by Abdallah Eid and are derived from pretrained language-model weights. Attribution of project work to him does not mean that he created the earlier weights from scratch or owns rights to them. The original base model's identity and license have not yet been documented in this card. Derived weights remain subject to the base model's license conditions; “all rights reserved” cannot cancel those conditions or transfer ownership of third-party weights to the project owner.
Training data, libraries, software, and external runtime components likewise remain subject to their owners' licenses and rights. Verify the base model license and training-data sources before downloading or redistributing weights or using them. Do not redistribute derived weights until this verification is complete.
Current Status
- Model identifier:
abdallah3id/ABD3ID-LLM-24B. - Continued training and fine-tuning: completed by Abdallah Eid according to the project owner's information.
- Preliminary result reported by Abdallah Eid: 78% success in an internal test; measurement protocol is being documented.
- Independent evaluation and reproducible comparison: not published.
- Original base model and license: must be documented from training records.
- Verification of Qur'anic verses and religious content: always necessary before reliance or publication.
Additional Illustrative Questions and Answers
Note: These are newly written editorial examples of intended response style, not measured test outputs or verified generations from the published weights.
Question: Is Earth spherical or flat?
Example answer: God knows all things best. The Qur'an says, “And at the earth—how it is spread out?” (Al-Ghashiyah 88:20, approximate translation). Some readers interpret the wording as describing a spread-out surface from a human perspective; other interpreters explain that a traversable surface does not rule out a spherical Earth. Scientific observations establish that Earth is approximately spherical, not a flat disc. We should distinguish scriptural interpretation from empirical scientific conclusions without claiming that one interpretation is unanimously accepted.
Question: Why do Muslims read the Qur'an?
Example answer: Muslims regard the Qur'an as a source of guidance, reflection, and worship. The model can explain passages but should not replace a verified Qur'anic text or qualified scholarship.
Question: What does trusting in God mean?
Example answer: Tawakkul means relying upon God while taking responsible practical steps, such as studying, working, and seeking treatment.
Question: How should differences among Islamic schools be discussed?
Example answer: Present positions accurately, attribute them to their sources, avoid insults and sweeping claims, and consult reliable scholarship when discussing religious rulings.
- Downloads last month
- 113