初始化项目，由ModelHub XC社区提供模型

Model: URajinda/Qwen-1.5B-Burmese-SFT-v2
Source: Original Platform

README.md

@@ -0,0 +1,63 @@
+---
+# ဤအပေါ်ဆုံး အပိုင်းကို Hugging Face မှ Metadata အတွက် သုံးပါသည်
+library_name: transformers
+tags:
+- myanmar
+- burmese
+- instruction-tuned
+- qlora
+- qwen
+- qwen-1.5
+- llm
+language: "my"
+license: apache-2.0
+model_name: "Qwen-1.5B-Burmese-SFT-v2"
+model_creator: "URajinda"
+base_model: "Qwen/Qwen-1.5-1.8B"
+---
+
+# 🚀 URajinda/Qwen-1.5B-Burmese-SFT-v2 (မြန်မာစာ Fine-Tuned LLM)
+
+ဤသည်မှာ **Alibaba Cloud မှ Qwen-1.5-1.8B** အခြေခံမော်ဒယ်ကို မြန်မာဘာသာစကားဖြင့် **Instruction-Tuning (SFT)** ထပ်မံပြုလုပ်ထားသော ဘာသာစကားမော်ဒယ် (LLM) ဖြစ်ပါသည်။ ၎င်းကို မြန်မာစာဖြင့် မေးခွန်းဖြေဆိုခြင်း (QA) နှင့် ညွှန်ကြားချက်များ လိုက်နာခြင်း (Instruction Following) တို့အတွက် အထူးကောင်းမွန်စေရန် လေ့ကျင့်ထားပါသည်။
+
+## 💡 အသုံးပြုပုံ (How to Use)
+
+ဤမော်ဒယ်သည် စကားပြောဆိုမှု (Chat) ပုံစံဖြင့် လေ့ကျင့်ထားသောကြောင့်၊ `User:` နှင့် `Assistant:` tags များကို အသုံးပြုပြီး မေးမြန်းရပါမည်။
+
+### 🐍 Hugging Face Pipeline ဖြင့် စမ်းသပ်ခြင်း
+
+```python
+import torch
+from transformers import pipeline, AutoTokenizer, AutoModelForCausalLM
+
+model_id = "URajinda/Qwen-1.5B-Burmese-SFT-v2"
+
+# 1. Tokenizer နှင့် Model ကို load လုပ်ခြင်း
+# Note: torch_dtype အစား dtype ကို သုံးပါ
+tokenizer = AutoTokenizer.from_pretrained(model_id)
+model = AutoModelForCausalLM.from_pretrained(
+    model_id,
+    dtype=torch.float16,
+    device_map="auto"
+)
+
+# 2. Inference Pipeline ကို တည်ဆောက်ခြင်း
+generator = pipeline(
+    "text-generation",
+    model=model,
+    tokenizer=tokenizer,
+    device=model.device
+)
+
+# 3. မြန်မာဘာသာဖြင့် မေးမြန်းခြင်း (Instruction Format ကို သုံးပါ)
+prompt = "User: မန္တလေးမြို့ရဲ့ အထင်ကရနေရာ သုံးခုကို ဖော်ပြပေးပါ။\nAssistant:"
+
+output = generator(
+    prompt,
+    max_new_tokens=256,
+    do_sample=True,
+    temperature=0.7,
+    eos_token_id=tokenizer.eos_token_id
+)
+
+print(output[0]['generated_text'])