RTRoman Ten
ENНаписать
ROMAN TEN · ПРИКЛАДНОЙ ИИ / FULL-STACK

Ответы
со ссылками на источники.

Работаю с загрузкой данных, поиском, серверными API и интерфейсами. В WRS эти компоненты объединены в ассистента, который отвечает на основе содержимого сайта.

Сувон, Южная Корея

Изучить WRS Написать мне Резюме PDF
01 / 02Избранные работы
ИЗБРАННЫЕ РАБОТЫ

От поиска
до интерфейса.

WRS — главный проект: код открыт, а ассистента для сайта можно попробовать выше. Второй проект показывает работу с дообучением и оценкой модели.

02 / ДООБУЧЕНИЕ МОДЕЛИ
QLORAMLX-LMEVALUATION

Qwen3 0.6B — дообучение для учебных карточек

Дообучил 4-битную Qwen3 0.6B методом QLoRA в MLX на 621 синтетическом примере, чтобы генерировать учебные карточки в JSON по заданному тексту. Опубликовал адаптер, данные, код обучения и методику оценки.

На фиксированной выборке из 20 текстов адаптер прошёл проверку схемы и точного копирования исходного текста в 20/20 случаях; базовая модель — в 14/20 после удаления Markdown-обёртки. Строгую смысловую проверку на другой отложенной выборке адаптер прошёл в 10/35 случаях. Все данные синтетические, поэтому эти результаты не подтверждают качество карточек на реальных материалах.

Карточка модели Код, данные и оценка