tlum1/practicehub-evaluator-qwen2.5-7b-gguf

tlum1/practicehub-evaluator-qwen2.5-7b-gguf

GGUF-версия PracticeHub-evaluator-model, полученная после QLoRA fine-tuning, merge LoRA-адаптера в базовую Qwen2.5-7B-Instruct и квантизация в Q4KM для локального инференса через llama.cpp / LM Studio.

Модель получает вопрос, план хорошего ответа, ключевые темы и ответ кандидата. На выходе она возвращает строгий JSON с вердиктом, score, покрытыми и пропущенными темами, feedback и возможным follow-up вопросом.

Base Model

• —base: Qwen2.5-7B-Instruct;
• —adapter: tlum1/practicehub-evaluator-qwen2.5-7b-lora;
• —training: QLoRA через Unsloth;
• —task: structured answer evaluation;
• —output: JSON only.

Training Data

Модель дообучалась на наборе из сгенерированных и размеченных примеров для ML/DS собеседований.

В датасете есть вопросы по ML/DS, эталонные планы ответа, обязательные концепты и четыре типа ответов кандидата: хороший, частичный, слабый и неправильный. Для каждого ответа размечены ожидаемый verdict, score, покрытые/пропущенные темы, ожидаемый feedback и ложные утверждения.

Output Format

{
  "verdict": "...",
  "score": 1,
  "covered_concept_ids": [],
  "missing_concept_ids": [],
  "feedback": "...",
  "false_claims": []
}

Допустимые verdict:

• —good;
• —partial;
• —weak;
• —wrong.

Role In PracticeHub

В PracticeHub модель используется как evaluator в гибридном пайплайне:

ответ кандидата
        ↓
rules / concept matching
        ↓
RAG evidence
        ↓
tlum1/practicehub-evaluator-qwen2.5-7b-lora
        ↓
score, feedback, missing concepts, follow-up