初始化项目，由ModelHub XC社区提供模型

Model: AtesiT/qwen2.5-1.5b-ru-hallucination-detector Source: Original Platform
2026-10-21 18:32:18 +08:00
commit d009ed4b2a
11 changed files with 796 additions and 0 deletions
--- a/.gitattributes
+++ b/.gitattributes
@@ -0,0 +1,36 @@
+*.7z filter=lfs diff=lfs merge=lfs -text
+*.arrow filter=lfs diff=lfs merge=lfs -text
+*.bin filter=lfs diff=lfs merge=lfs -text
+*.bz2 filter=lfs diff=lfs merge=lfs -text
+*.ckpt filter=lfs diff=lfs merge=lfs -text
+*.ftz filter=lfs diff=lfs merge=lfs -text
+*.gz filter=lfs diff=lfs merge=lfs -text
+*.h5 filter=lfs diff=lfs merge=lfs -text
+*.joblib filter=lfs diff=lfs merge=lfs -text
+*.lfs.* filter=lfs diff=lfs merge=lfs -text
+*.mlmodel filter=lfs diff=lfs merge=lfs -text
+*.model filter=lfs diff=lfs merge=lfs -text
+*.msgpack filter=lfs diff=lfs merge=lfs -text
+*.npy filter=lfs diff=lfs merge=lfs -text
+*.npz filter=lfs diff=lfs merge=lfs -text
+*.onnx filter=lfs diff=lfs merge=lfs -text
+*.ot filter=lfs diff=lfs merge=lfs -text
+*.parquet filter=lfs diff=lfs merge=lfs -text
+*.pb filter=lfs diff=lfs merge=lfs -text
+*.pickle filter=lfs diff=lfs merge=lfs -text
+*.pkl filter=lfs diff=lfs merge=lfs -text
+*.pt filter=lfs diff=lfs merge=lfs -text
+*.pth filter=lfs diff=lfs merge=lfs -text
+*.rar filter=lfs diff=lfs merge=lfs -text
+*.safetensors filter=lfs diff=lfs merge=lfs -text
+saved_model/**/* filter=lfs diff=lfs merge=lfs -text
+*.tar.* filter=lfs diff=lfs merge=lfs -text
+*.tar filter=lfs diff=lfs merge=lfs -text
+*.tflite filter=lfs diff=lfs merge=lfs -text
+*.tgz filter=lfs diff=lfs merge=lfs -text
+*.wasm filter=lfs diff=lfs merge=lfs -text
+*.xz filter=lfs diff=lfs merge=lfs -text
+*.zip filter=lfs diff=lfs merge=lfs -text
+*.zst filter=lfs diff=lfs merge=lfs -text
+*tfevents* filter=lfs diff=lfs merge=lfs -text
+tokenizer.json filter=lfs diff=lfs merge=lfs -text
--- a/README.md
+++ b/README.md
@@ -0,0 +1,353 @@
+---
+language: ru
+license: apache-2.0
+base_model: Qwen/Qwen2.5-1.5B-Instruct
+tags:
+  - hallucination-detection
+  - fact-checking
+  - qwen2.5
+  - lora
+  - unsloth
+  - russian
+  - nlp
+  - classification
+pipeline_tag: text-generation
+datasets:
+  - kuznetsoffandrey/sberquad
+metrics:
+  - accuracy
+  - f1
+---
+
+# 🔍 Детектор галлюцинаций LLM — русский язык
+
+> **Текущая версия:** v5 · Последнее обновление: 2026-08-14 08:11:28
+
+Эта модель определяет, является ли ответ языковой модели **галлюцинацией** —
+то есть содержит ли он информацию, которая противоречит предоставленному контексту
+или не подтверждается им.
+
+Модель дообучена на основе **[Qwen2.5-1.5B-Instruct](https://huggingface.co/Qwen/Qwen2.5-1.5B-Instruct)**
+методом **QLoRA (4-bit quantization + LoRA адаптеры)** с использованием
+библиотеки **[Unsloth](https://github.com/unslothai/unsloth)** для ускоренного
+обучения на GPU.
+
+---
+
+## 📋 Описание задачи
+
+**Галлюцинации LLM** — это когда языковая модель генерирует ответ, который звучит
+правдоподобно, но не соответствует реальным фактам или противоречит предоставленному
+источнику (контексту). Это одна из ключевых проблем при использовании LLM в
+production-системах, особенно в задачах RAG (Retrieval-Augmented Generation).
+
+### Постановка задачи
+
+Модель принимает три входных текста:
+- **Вопрос** — то, что пользователь спросил у LLM
+- **Контекст** — документ/фрагмент, который был предоставлен LLM как источник фактов
+- **Ответ** — то, что LLM сгенерировала в ответ на вопрос
+
+И возвращает бинарную метку:
+- **0** — ответ соответствует контексту (не галлюцинация)
+- **1** — ответ противоречит контексту или содержит неподтверждённые факты (галлюцинация)
+
+### Где это применяется
+
+- ✅ RAG-пайплайны — проверка ответов перед показом пользователю
+- ✅ Автоматическое тестирование LLM-агентов
+- ✅ Мониторинг качества ответов в продакшн-системах
+- ✅ Датасеты для обучения других моделей (серебряная разметка)
+
+---
+
+## 📊 Метрики качества
+
+### Текущая версия (v5, 2026-08-14 08:11:28)
+
+| Метрика | Значение |
+|---------|----------|
+| **Accuracy** | **0.9835** |
+| **F1-score** | **0.9833** |
+| Precision | 0.9793 |
+| Recall | 0.9874 |
+| Размер теста | 485 примеров |
+
+### Кривая обучения (Train / Eval Loss)
+
+![Loss curve](loss_curve.png)
+
+*График показывает динамику функции потерь на обучающей и валидационной выборках
+по шагам обучения. Снижение eval loss без роста train loss означает, что модель
+обобщает, а не запоминает данные.*
+
+### Confusion Matrix
+
+![Confusion Matrix](confusion_matrix.png)
+
+*По оси X — предсказанный класс, по оси Y — истинный класс.
+Диагональ показывает правильные предсказания.*
+
+---
+
+## 🗂️ Данные для обучения
+
+### Источник
+
+Датасет собран **полностью автоматически** на основе русского QA-корпуса
+**[SberQuAD](https://huggingface.co/datasets/kuznetsoffandrey/sberquad)** —
+русскоязычного аналога Stanford SQuAD (~45 000 пар вопрос-параграф-ответ).
+
+### Стратегия генерации примеров
+
+**Положительные примеры (label=0, не галлюцинация):**
+Берутся напрямую из SberQuAD — оригинальная тройка (вопрос, контекст,
+правильный ответ), где ответ гарантированно содержится в контексте.
+
+**Отрицательные примеры (label=1, галлюцинация)** генерируются тремя способами:
+
+| Стратегия | Описание | Сложность для детектора |
+|-----------|----------|------------------------|
+| **Mismatch** | Ответ от другого вопроса/контекста | Лёгкая — ответ явно не связан с контекстом |
+| **Perturbation** | Искажение чисел или слов в правильном ответе | Средняя — ответ похож на правду, но неверен |
+| **LLM-generated** | Qwen2.5 генерирует правдоподобный, но неверный ответ (zero-shot) | Сложная — похоже на настоящую галлюцинацию |
+
+Такой микс позволяет модели научиться выявлять галлюцинации разной степени
+"правдоподобности" — от очевидных несоответствий до тонких фактических ошибок.
+
+### Размер датасета (v5)
+
+| Сплит | Размер |
+|-------|--------|
+| Train | 3877 |
+| Val | 485 |
+| Test | 485 |
+| **Итого** | **4847** |
+
+---
+
+## 🛠️ Технические детали обучения
+
+### Архитектура
+
+| Параметр | Значение |
+|----------|----------|
+| Базовая модель | `Qwen/Qwen2.5-1.5B-Instruct` |
+| Квантизация | 4-bit (QLoRA) |
+| LoRA rank (r) | 16 |
+| LoRA alpha | 16 |
+| LoRA dropout | 0.1 |
+| Target modules | q_proj, k_proj, v_proj, o_proj, gate_proj, up_proj, down_proj |
+| Обучаемых параметров | ~20M из ~1.5B (≈1.3%) |
+
+### Гиперпараметры обучения
+
+| Параметр | Значение |
+|----------|----------|
+| Эпохи | 2 |
+| Learning rate | 2e-4 |
+| Warmup ratio | 0.05 |
+| Batch size (эффективный) | 16 (2 × grad_accum 8) |
+| Optimizer | AdamW 8-bit |
+| Max sequence length | 512 |
+| Планировщик LR | cosine |
+
+### Формат промпта
+
+```
+<|im_start|>system
+Ты — эксперт по проверке фактов. Тебе дан вопрос, контекст (источник фактов) и ответ ассистента.
+Определи, является ли ответ галлюцинацией — то есть противоречит контексту или не подтверждён им.
+Ответь только цифрой: 1 — если это галлюцинация, 0 — если ответ соответствует контексту.
+<|im_end|>
+<|im_start|>user
+Вопрос: {question}
+Контекст: {context}
+Ответ: {answer}
+<|im_end|>
+<|im_start|>assistant
+{0 или 1}
+<|im_end|>
+```
+
+### Инфраструктура
+
+| Параметр | Значение |
+|----------|----------|
+| GPU | NVIDIA T4 (16 GB VRAM) |
+| Платформа | Google Colab |
+| Фреймворк | PyTorch + Hugging Face Transformers |
+| Ускорение | Unsloth (2-4x быстрее стандартного обучения) |
+| Время обучения | ~30-60 минут на T4 |
+
+---
+
+## 💻 Как использовать
+
+### Установка
+
+```bash
+pip install transformers torch accelerate
+```
+
+### Код
+
+```python
+
+from transformers import AutoModelForCausalLM, AutoTokenizer
+import torch, re
+
+# Загружаем модель с Hugging Face Hub
+REPO_ID = "AtesiT/qwen2.5-1.5b-ru-hallucination-detector"
+tokenizer = AutoTokenizer.from_pretrained(REPO_ID)
+model = AutoModelForCausalLM.from_pretrained(
+    REPO_ID,
+    torch_dtype=torch.float16,
+    device_map="auto"
+)
+model.eval()
+
+SYSTEM_PROMPT = (
+    "Ты — эксперт по проверке фактов. Тебе дан вопрос, контекст (источник фактов) и ответ ассистента. "
+    "Определи, является ли ответ галлюцинацией — то есть противоречит контексту или не подтверждён им. "
+    "Ответь только цифрой: 1 — если это галлюцинация, 0 — если ответ соответствует контексту."
+)
+
+def predict(question: str, context: str, answer: str) -> dict:
+    """
+    Определяет, является ли ответ галлюцинацией.
+
+    Args:
+        question: Вопрос, на который отвечала LLM
+        context:  Контекст (источник фактов, справочный текст)
+        answer:   Ответ LLM, который нужно проверить
+
+    Returns:
+        dict с ключами: label (0/1), verdict (str), raw_output (str)
+    """
+    prompt = (
+        f"<|im_start|>system\n{SYSTEM_PROMPT}<|im_end|>\n"
+        f"<|im_start|>user\n"
+        f"Вопрос: {question}\n"
+        f"Контекст: {context}\n"
+        f"Ответ: {answer}"
+        f"<|im_end|>\n"
+        f"<|im_start|>assistant\n"
+    )
+    inputs = tokenizer(prompt, return_tensors="pt").to(model.device)
+    with torch.no_grad():
+        out = model.generate(
+            **inputs,
+            max_new_tokens=3,
+            do_sample=False,
+            pad_token_id=tokenizer.eos_token_id,
+        )
+    gen = tokenizer.decode(out[0][inputs["input_ids"].shape[1]:], skip_special_tokens=True)
+    m = re.search(r"[01]", gen)
+    label = int(m.group()) if m else 0
+    return {
+        "label":      label,
+        "verdict":    "Галлюцинация" if label == 1 else "Не галлюцинация",
+        "raw_output": gen.strip(),
+    }
+
+# ── Пример 1: очевидная галлюцинация ──────────────────────────────────
+result = predict(
+    question="Столица Франции?",
+    context="Франция — государство в Западной Европе. Столица страны — Париж.",
+    answer="Столица Франции — Лондон.",
+)
+print(result)
+# {'label': 1, 'verdict': 'Галлюцинация', 'raw_output': '1'}
+
+# ── Пример 2: правильный ответ ─────────────────────────────────────────
+result = predict(
+    question="Столица Франции?",
+    context="Франция — государство в Западной Европе. Столица страны — Париж.",
+    answer="Столица Франции — Париж.",
+)
+print(result)
+# {'label': 0, 'verdict': 'Не галлюцинация', 'raw_output': '0'}
+
+# ── Пример 3: тонкая галлюцинация (неверное число) ────────────────────
+result = predict(
+    question="В каком году основана компания Apple?",
+    context="Apple Inc. была основана 1 апреля 1976 года Стивом Джобсом, "
+            "Стивом Возняком и Рональдом Уэйном.",
+    answer="Apple была основана в 1985 году.",
+)
+print(result)
+# {'label': 1, 'verdict': 'Галлюцинация', 'raw_output': '1'}
+
+```
+
+### Использование с Unsloth (быстрее, если нужна генерация)
+
+```python
+from unsloth import FastLanguageModel
+
+model, tokenizer = FastLanguageModel.from_pretrained(
+    model_name = "AtesiT/qwen2.5-1.5b-ru-hallucination-detector",
+    max_seq_length = 512,
+    load_in_4bit = True,
+)
+model.eval()
+# Далее используйте predict() из примера выше
+```
+
+---
+
+## ⚠️ Ограничения и известные проблемы
+
+1. **Домен данных** — модель обучена на энциклопедических текстах (Wikipedia-style,
+   SberQuAD). Качество может быть ниже на специализированных доменах (медицина,
+   право, технические тексты).
+
+2. **Длина контекста** — максимальная длина входной последовательности 512 токенов.
+   Длинные контексты нужно обрезать перед подачей в модель.
+
+3. **Автоматическая разметка** — обучающие данные сгенерированы автоматически
+   без ручной проверки. Часть негативных примеров (особенно perturbation)
+   может содержать "шумные" метки.
+
+4. **Бинарная классификация** — модель не объясняет, *почему* ответ является
+   галлюцинацией, только детектирует сам факт.
+
+5. **Только русский язык** — модель дообучалась исключительно на русскоязычных
+   данных, для других языков результаты непредсказуемы.
+
+---
+
+## 📈 История версий
+
+| Версия | Дата и время | Accuracy | F1 | Precision | Recall | Train size |
+|--------|-------------|----------|----|-----------|--------|------------|
+| v1 | 2026-08-11 11:27:28 | 0.9587 | 0.9573 | 0.9739 | 0.9412 | 3865 |
+| v2 | 2026-08-12 12:05:19 | 0.9628 | 0.9615 | 0.9783 | 0.9454 | 3867 |
+| v3 | 2026-08-13 08:18:03 | 0.9794 | 0.9792 | 0.9751 | 0.9833 | 3876 |
+| v4 | 2026-08-13 09:16:07 | 0.9794 | 0.9792 | 0.9751 | 0.9833 | 3874 |
+| v5 | 2026-08-14 08:11:28 | 0.9835 | 0.9833 | 0.9793 | 0.9874 | 3877 |
+
+*Каждая версия — результат отдельной сессии дообучения.
+Модель загружается с предыдущей версии и дообучается на новых данных.*
+
+---
+
+## 📚 Связанные работы и датасеты
+
+- [SberQuAD](https://huggingface.co/datasets/kuznetsoffandrey/sberquad) — базовый датасет
+- [HaluEval](https://github.com/RUCAIBox/HaluEval) — бенчмарк галлюцинаций (английский)
+- [Qwen2.5](https://huggingface.co/Qwen/Qwen2.5-1.5B-Instruct) — базовая модель
+- [Unsloth](https://github.com/unslothai/unsloth) — библиотека для ускорения обучения
+
+---
+
+## 📄 Лицензия
+
+Apache 2.0 — можно использовать в коммерческих проектах.
+Базовая модель Qwen2.5 также распространяется под Apache 2.0.
+
+---
+
+*Модель создана в образовательных целях.
+При использовании в продакшн рекомендуется дополнительная валидация на ваших данных.*
--- a/chat_template.jinja
+++ b/chat_template.jinja
@@ -0,0 +1,54 @@
+{%- if tools %}
+    {{- '<|im_start|>system\n' }}
+    {%- if messages[0]['role'] == 'system' %}
+        {{- messages[0]['content'] }}
+    {%- else %}
+        {{- 'You are Qwen, created by Alibaba Cloud. You are a helpful assistant.' }}
+    {%- endif %}
+    {{- "\n\n# Tools\n\nYou may call one or more functions to assist with the user query.\n\nYou are provided with function signatures within <tools></tools> XML tags:\n<tools>" }}
+    {%- for tool in tools %}
+        {{- "\n" }}
+        {{- tool | tojson }}
+    {%- endfor %}
+    {{- "\n</tools>\n\nFor each function call, return a json object with function name and arguments within <tool_call></tool_call> XML tags:\n<tool_call>\n{\"name\": <function-name>, \"arguments\": <args-json-object>}\n</tool_call><|im_end|>\n" }}
+{%- else %}
+    {%- if messages[0]['role'] == 'system' %}
+        {{- '<|im_start|>system\n' + messages[0]['content'] + '<|im_end|>\n' }}
+    {%- else %}
+        {{- '<|im_start|>system\nYou are Qwen, created by Alibaba Cloud. You are a helpful assistant.<|im_end|>\n' }}
+    {%- endif %}
+{%- endif %}
+{%- for message in messages %}
+    {%- if (message.role == "user") or (message.role == "system" and not loop.first) or (message.role == "assistant" and not message.tool_calls) %}
+        {{- '<|im_start|>' + message.role + '\n' + message.content + '<|im_end|>' + '\n' }}
+    {%- elif message.role == "assistant" %}
+        {{- '<|im_start|>' + message.role }}
+        {%- if message.content %}
+            {{- '\n' + message.content }}
+        {%- endif %}
+        {%- for tool_call in message.tool_calls %}
+            {%- if tool_call.function is defined %}
+                {%- set tool_call = tool_call.function %}
+            {%- endif %}
+            {{- '\n<tool_call>\n{"name": "' }}
+            {{- tool_call.name }}
+            {{- '", "arguments": ' }}
+            {{- tool_call.arguments | tojson }}
+            {{- '}\n</tool_call>' }}
+        {%- endfor %}
+        {{- '<|im_end|>\n' }}
+    {%- elif message.role == "tool" %}
+        {%- if (loop.index0 == 0) or (messages[loop.index0 - 1].role != "tool") %}
+            {{- '<|im_start|>user' }}
+        {%- endif %}
+        {{- '\n<tool_response>\n' }}
+        {{- message.content }}
+        {{- '\n</tool_response>' }}
+        {%- if loop.last or (messages[loop.index0 + 1].role != "tool") %}
+            {{- '<|im_end|>\n' }}
+        {%- endif %}
+    {%- endif %}
+{%- endfor %}
+{%- if add_generation_prompt %}
+    {{- '<|im_start|>assistant\n' }}
+{%- endif %}
--- a/config.json
+++ b/config.json
@@ -0,0 +1,62 @@
+{
+    "architectures": [
+        "Qwen2ForCausalLM"
+    ],
+    "attention_dropout": 0.0,
+    "bos_token_id": null,
+    "torch_dtype": "float16",
+    "eos_token_id": 151645,
+    "hidden_act": "silu",
+    "hidden_size": 1536,
+    "initializer_range": 0.02,
+    "intermediate_size": 8960,
+    "layer_types": [
+        "full_attention",
+        "full_attention",
+        "full_attention",
+        "full_attention",
+        "full_attention",
+        "full_attention",
+        "full_attention",
+        "full_attention",
+        "full_attention",
+        "full_attention",
+        "full_attention",
+        "full_attention",
+        "full_attention",
+        "full_attention",
+        "full_attention",
+        "full_attention",
+        "full_attention",
+        "full_attention",
+        "full_attention",
+        "full_attention",
+        "full_attention",
+        "full_attention",
+        "full_attention",
+        "full_attention",
+        "full_attention",
+        "full_attention",
+        "full_attention",
+        "full_attention"
+    ],
+    "max_position_embeddings": 32768,
+    "max_window_layers": 21,
+    "model_type": "qwen2",
+    "num_attention_heads": 12,
+    "num_hidden_layers": 28,
+    "num_key_value_heads": 2,
+    "pad_token_id": 151654,
+    "rms_norm_eps": 1e-06,
+    "rope_parameters": {
+        "rope_theta": 1000000.0,
+        "rope_type": "default"
+    },
+    "sliding_window": null,
+    "tie_word_embeddings": true,
+    "unsloth_fixed": true,
+    "unsloth_version": "2026.8.16",
+    "use_cache": false,
+    "use_sliding_window": false,
+    "vocab_size": 151936
+}
--- a/confusion_matrix.png
+++ b/confusion_matrix.png
--- a/generation_config.json
+++ b/generation_config.json
@@ -0,0 +1,14 @@
+{
+  "bos_token_id": 151643,
+  "do_sample": true,
+  "eos_token_id": [
+    151645,
+    151643
+  ],
+  "pad_token_id": 151654,
+  "repetition_penalty": 1.1,
+  "temperature": 0.7,
+  "top_k": 20,
+  "top_p": 0.8,
+  "transformers_version": "5.5.0"
+}
--- a/loss_curve.png
+++ b/loss_curve.png
--- a/model.safetensors
+++ b/model.safetensors
@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:9833aa16a672e0f0160fae2054ed0f2352e6695354d4ac294f938a1bc66fb52b
+size 3087467144
--- a/tokenizer.json
+++ b/tokenizer.json
@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:6b4360dd6a184650ffc48056c2569bc603f896c5adfe94b10f1c79f809638aa5
+size 11422166
--- a/tokenizer_config.json
+++ b/tokenizer_config.json
@@ -0,0 +1,194 @@
+{
+  "add_prefix_space": false,
+  "backend": "tokenizers",
+  "bos_token": null,
+  "clean_up_tokenization_spaces": false,
+  "eos_token": "<|im_end|>",
+  "errors": "replace",
+  "is_local": false,
+  "model_max_length": 32768,
+  "pad_token": "<|vision_pad|>",
+  "padding_side": "left",
+  "split_special_tokens": false,
+  "tokenizer_class": "Qwen2Tokenizer",
+  "unk_token": null,
+  "added_tokens_decoder": {
+    "151643": {
+      "content": "<|endoftext|>",
+      "single_word": false,
+      "lstrip": false,
+      "rstrip": false,
+      "normalized": false,
+      "special": true
+    },
+    "151644": {
+      "content": "<|im_start|>",
+      "single_word": false,
+      "lstrip": false,
+      "rstrip": false,
+      "normalized": false,
+      "special": true
+    },
+    "151645": {
+      "content": "<|im_end|>",
+      "single_word": false,
+      "lstrip": false,
+      "rstrip": false,
+      "normalized": false,
+      "special": true
+    },
+    "151646": {
+      "content": "<|object_ref_start|>",
+      "single_word": false,
+      "lstrip": false,
+      "rstrip": false,
+      "normalized": false,
+      "special": true
+    },
+    "151647": {
+      "content": "<|object_ref_end|>",
+      "single_word": false,
+      "lstrip": false,
+      "rstrip": false,
+      "normalized": false,
+      "special": true
+    },
+    "151648": {
+      "content": "<|box_start|>",
+      "single_word": false,
+      "lstrip": false,
+      "rstrip": false,
+      "normalized": false,
+      "special": true
+    },
+    "151649": {
+      "content": "<|box_end|>",
+      "single_word": false,
+      "lstrip": false,
+      "rstrip": false,
+      "normalized": false,
+      "special": true
+    },
+    "151650": {
+      "content": "<|quad_start|>",
+      "single_word": false,
+      "lstrip": false,
+      "rstrip": false,
+      "normalized": false,
+      "special": true
+    },
+    "151651": {
+      "content": "<|quad_end|>",
+      "single_word": false,
+      "lstrip": false,
+      "rstrip": false,
+      "normalized": false,
+      "special": true
+    },
+    "151652": {
+      "content": "<|vision_start|>",
+      "single_word": false,
+      "lstrip": false,
+      "rstrip": false,
+      "normalized": false,
+      "special": true
+    },
+    "151653": {
+      "content": "<|vision_end|>",
+      "single_word": false,
+      "lstrip": false,
+      "rstrip": false,
+      "normalized": false,
+      "special": true
+    },
+    "151654": {
+      "content": "<|vision_pad|>",
+      "single_word": false,
+      "lstrip": false,
+      "rstrip": false,
+      "normalized": false,
+      "special": true
+    },
+    "151655": {
+      "content": "<|image_pad|>",
+      "single_word": false,
+      "lstrip": false,
+      "rstrip": false,
+      "normalized": false,
+      "special": true
+    },
+    "151656": {
+      "content": "<|video_pad|>",
+      "single_word": false,
+      "lstrip": false,
+      "rstrip": false,
+      "normalized": false,
+      "special": true
+    },
+    "151657": {
+      "content": "<tool_call>",
+      "single_word": false,
+      "lstrip": false,
+      "rstrip": false,
+      "normalized": false,
+      "special": false
+    },
+    "151658": {
+      "content": "</tool_call>",
+      "single_word": false,
+      "lstrip": false,
+      "rstrip": false,
+      "normalized": false,
+      "special": false
+    },
+    "151659": {
+      "content": "<|fim_prefix|>",
+      "single_word": false,
+      "lstrip": false,
+      "rstrip": false,
+      "normalized": false,
+      "special": false
+    },
+    "151660": {
+      "content": "<|fim_middle|>",
+      "single_word": false,
+      "lstrip": false,
+      "rstrip": false,
+      "normalized": false,
+      "special": false
+    },
+    "151661": {
+      "content": "<|fim_suffix|>",
+      "single_word": false,
+      "lstrip": false,
+      "rstrip": false,
+      "normalized": false,
+      "special": false
+    },
+    "151662": {
+      "content": "<|fim_pad|>",
+      "single_word": false,
+      "lstrip": false,
+      "rstrip": false,
+      "normalized": false,
+      "special": false
+    },
+    "151663": {
+      "content": "<|repo_name|>",
+      "single_word": false,
+      "lstrip": false,
+      "rstrip": false,
+      "normalized": false,
+      "special": false
+    },
+    "151664": {
+      "content": "<|file_sep|>",
+      "single_word": false,
+      "lstrip": false,
+      "rstrip": false,
+      "normalized": false,
+      "special": false
+    }
+  },
+  "chat_template": "{%- if tools %}\n    {{- '<|im_start|>system\\n' }}\n    {%- if messages[0]['role'] == 'system' %}\n        {{- messages[0]['content'] }}\n    {%- else %}\n        {{- 'You are Qwen, created by Alibaba Cloud. You are a helpful assistant.' }}\n    {%- endif %}\n    {{- \"\\n\\n# Tools\\n\\nYou may call one or more functions to assist with the user query.\\n\\nYou are provided with function signatures within <tools></tools> XML tags:\\n<tools>\" }}\n    {%- for tool in tools %}\n        {{- \"\\n\" }}\n        {{- tool | tojson }}\n    {%- endfor %}\n    {{- \"\\n</tools>\\n\\nFor each function call, return a json object with function name and arguments within <tool_call></tool_call> XML tags:\\n<tool_call>\\n{\\\"name\\\": <function-name>, \\\"arguments\\\": <args-json-object>}\\n</tool_call><|im_end|>\\n\" }}\n{%- else %}\n    {%- if messages[0]['role'] == 'system' %}\n        {{- '<|im_start|>system\\n' + messages[0]['content'] + '<|im_end|>\\n' }}\n    {%- else %}\n        {{- '<|im_start|>system\\nYou are Qwen, created by Alibaba Cloud. You are a helpful assistant.<|im_end|>\\n' }}\n    {%- endif %}\n{%- endif %}\n{%- for message in messages %}\n    {%- if (message.role == \"user\") or (message.role == \"system\" and not loop.first) or (message.role == \"assistant\" and not message.tool_calls) %}\n        {{- '<|im_start|>' + message.role + '\\n' + message.content + '<|im_end|>' + '\\n' }}\n    {%- elif message.role == \"assistant\" %}\n        {{- '<|im_start|>' + message.role }}\n        {%- if message.content %}\n            {{- '\\n' + message.content }}\n        {%- endif %}\n        {%- for tool_call in message.tool_calls %}\n            {%- if tool_call.function is defined %}\n                {%- set tool_call = tool_call.function %}\n            {%- endif %}\n            {{- '\\n<tool_call>\\n{\"name\": \"' }}\n            {{- tool_call.name }}\n            {{- '\", \"arguments\": ' }}\n            {{- tool_call.arguments | tojson }}\n            {{- '}\\n</tool_call>' }}\n        {%- endfor %}\n        {{- '<|im_end|>\\n' }}\n    {%- elif message.role == \"tool\" %}\n        {%- if (loop.index0 == 0) or (messages[loop.index0 - 1].role != \"tool\") %}\n            {{- '<|im_start|>user' }}\n        {%- endif %}\n        {{- '\\n<tool_response>\\n' }}\n        {{- message.content }}\n        {{- '\\n</tool_response>' }}\n        {%- if loop.last or (messages[loop.index0 + 1].role != \"tool\") %}\n            {{- '<|im_end|>\\n' }}\n        {%- endif %}\n    {%- endif %}\n{%- endfor %}\n{%- if add_generation_prompt %}\n    {{- '<|im_start|>assistant\\n' }}\n{%- endif %}\n"
+}
--- a/training_history.json
+++ b/training_history.json
@@ -0,0 +1,77 @@
+[
+  {
+    "datetime": "2026-08-11 11:27:28",
+    "version": "v1",
+    "base_model": "unsloth/Qwen2.5-1.5B-Instruct-bnb-4bit",
+    "accuracy": 0.9587,
+    "f1": 0.9573,
+    "precision": 0.9739,
+    "recall": 0.9412,
+    "train_size": 3865,
+    "val_size": 483,
+    "test_size": 484,
+    "epochs": 2,
+    "lr": "2e-4",
+    "lora_r": 16
+  },
+  {
+    "datetime": "2026-08-12 12:05:19",
+    "version": "v2",
+    "base_model": "unsloth/Qwen2.5-1.5B-Instruct-bnb-4bit",
+    "accuracy": 0.9628,
+    "f1": 0.9615,
+    "precision": 0.9783,
+    "recall": 0.9454,
+    "train_size": 3867,
+    "val_size": 483,
+    "test_size": 484,
+    "epochs": 2,
+    "lr": "2e-4",
+    "lora_r": 16
+  },
+  {
+    "datetime": "2026-08-13 08:18:03",
+    "version": "v3",
+    "base_model": "unsloth/Qwen2.5-1.5B-Instruct-bnb-4bit",
+    "accuracy": 0.9794,
+    "f1": 0.9792,
+    "precision": 0.9751,
+    "recall": 0.9833,
+    "train_size": 3876,
+    "val_size": 484,
+    "test_size": 485,
+    "epochs": 2,
+    "lr": "2e-4",
+    "lora_r": 16
+  },
+  {
+    "datetime": "2026-08-13 09:16:07",
+    "version": "v4",
+    "base_model": "unsloth/Qwen2.5-1.5B-Instruct-bnb-4bit",
+    "accuracy": 0.9794,
+    "f1": 0.9792,
+    "precision": 0.9751,
+    "recall": 0.9833,
+    "train_size": 3874,
+    "val_size": 484,
+    "test_size": 485,
+    "epochs": 2,
+    "lr": "2e-4",
+    "lora_r": 16
+  },
+  {
+    "datetime": "2026-08-14 08:11:28",
+    "version": "v5",
+    "base_model": "unsloth/Qwen2.5-1.5B-Instruct-bnb-4bit",
+    "accuracy": 0.9835,
+    "f1": 0.9833,
+    "precision": 0.9793,
+    "recall": 0.9874,
+    "train_size": 3877,
+    "val_size": 485,
+    "test_size": 485,
+    "epochs": 2,
+    "lr": "2e-4",
+    "lora_r": 16
+  }
+]