初始化项目，由ModelHub XC社区提供模型

Model: maftuh-main/batik-qwen1.5b-merged
Source: Original Platform

README.md

@@ -0,0 +1,89 @@
+---
+library_name: transformers
+base_model: Qwen/Qwen2.5-1.5B-Instruct
+tags:
+  - batik
+  - indonesia
+  - budaya
+  - qwen2
+  - lora
+  - qlora
+  - conversational
+language:
+  - id
+pipeline_tag: text-generation
+---
+
+# Wastra.ai — Batik Qwen 1.5B (Merged)
+
+Model bahasa hasil fine-tuning dari **Qwen2.5-1.5B-Instruct**, dilatih khusus sebagai asisten pakar budaya **Batik Nusantara**. Model ini merupakan hasil merge antara base model dengan adapter LoRA yang dilatih menggunakan teknik QLoRA (4-bit quantization).
+
+## Model Description
+
+Wastra.ai adalah model percakapan yang berperan sebagai pakar budaya batik Indonesia, dirancang untuk menjawab pertanyaan seputar:
+- Sejarah dan filosofi batik
+- Teknik dan proses pembuatan batik (mori, malam, pencelupan, dsb.)
+- Ragam motif batik dari berbagai daerah
+- Status UNESCO dan pelestarian batik sebagai warisan budaya
+
+Model ini menjawab dengan gaya bahasa **formal, informatif, edukatif**, dan menolak secara elegan pertanyaan di luar topik batik.
+
+- **Developed by:** Muhammad Maftuh
+- **Model type:** Causal Language Model (fine-tuned, merged LoRA)
+- **Language(s):** Bahasa Indonesia
+- **License:** Apache 2.0 (mengikuti lisensi base model)
+- **Finetuned from model:** [Qwen/Qwen2.5-1.5B-Instruct](https://huggingface.co/Qwen/Qwen2.5-1.5B-Instruct)
+
+## Uses
+
+### Direct Use
+Model ini dapat digunakan langsung sebagai chatbot edukatif untuk topik batik — cocok untuk aplikasi pembelajaran, chatbot museum digital, atau fitur tanya-jawab dalam aplikasi budaya seperti **BatikLens**.
+
+### Out-of-Scope Use
+Model ini **tidak dirancang** untuk menjawab pertanyaan di luar topik batik dan budaya terkait. Untuk kebutuhan umum, gunakan model dasar Qwen2.5-1.5B-Instruct.
+
+## How to Get Started with the Model
+
+```python
+from transformers import AutoModelForCausalLM, AutoTokenizer
+
+model_id = "maftuh-main/batik-qwen1.5b-merged"
+
+tokenizer = AutoTokenizer.from_pretrained(model_id)
+model = AutoModelForCausalLM.from_pretrained(model_id, device_map="auto")
+
+messages = [
+    {"role": "system", "content": "Kamu adalah Wastra.ai, sebuah kecerdasan buatan yang berperan sebagai Pakar Budaya Batik Nusantara yang sangat berwibawa."},
+    {"role": "user", "content": "Jelaskan filosofi motif Parang."}
+]
+
+inputs = tokenizer.apply_chat_template(messages, add_generation_prompt=True, return_tensors="pt").to(model.device)
+outputs = model.generate(inputs, max_new_tokens=256)
+print(tokenizer.decode(outputs[0], skip_special_tokens=True))
+```
+
+## Training Details
+
+### Training Data
+Dataset percakapan sintetis dan kurasi seputar batik (`maftuh-main/dataset-batik-trl-sft`), mencakup topik sejarah, teknik pembuatan, filosofi motif, dan pengakuan UNESCO terhadap batik Indonesia.
+
+### Training Procedure
+
+- **Base model:** Qwen2.5-1.5B-Instruct
+- **Metode:** QLoRA (4-bit NF4 quantization) + LoRA adapter, kemudian di-merge ke base model
+- **LoRA config:** r=16, alpha=32, dropout=0.05, target modules: q_proj, k_proj, v_proj, o_proj, gate_proj, up_proj, down_proj
+- **Training regime:** bf16 mixed precision
+- **Optimizer:** paged_adamw_8bit
+- **Learning rate:** 1e-4, cosine scheduler, 100 warmup steps
+- **Max sequence length:** 512
+- **Hardware:** Kaggle Notebook — NVIDIA Tesla T4 x2
+
+## Limitations
+
+- Model dibatasi hanya untuk topik batik; performa di luar domain ini belum diuji.
+- Sebagai model 1.5B parameter, kapabilitas reasoning kompleks lebih terbatas dibanding model yang lebih besar.
+- Dataset training bersifat sintetis/terkurasi sehingga kualitas jawaban bergantung pada cakupan dataset.
+
+## Model Card Contact
+
+Muhammad Maftuh — proyek [BatikLens](https://huggingface.co/maftuh-main)