🦥 Qwen2.5-Coder-7B-Vietnamese-LoRA (v1.0 Adapter)

Trọng số LoRA Adapter (~100MB) tối ưu hóa tiếng Việt & Dev Slang cho Qwen2.5-Coder-7B.

---

📌 1. TỔNG QUAN VỀ LORA ADAPTER

Đây là bộ trọng số LoRA Adapter (v1.0) siêu nhẹ (~100MB) được huấn luyện bằng Unsloth (QLoRA 4-bit) trên nền tảng unsloth/Qwen2.5-Coder-7B-Instruct-bnb-4bit.

• 📦 Nếu bạn muốn chạy Offline bằng Ollama / LM Studio: Vui lòng tải bản đã đóng gói sẵn GGUF tại: 👉 khoin68/Qwen2.5-Coder-7B-Vietnamese-GGUF.
• 🐍 Nếu bạn là Nhà phát triển (Developer): Sử dụng repo LoRA này để nạp vào Python, tích hợp vào Backend FastAPI hoặc làm Base Model nền tảng để huấn luyện tiếp nối (Continued Fine-Tuning).

---

🚀 2. ĐẶC ĐIỂM NỔI BẬT ĐÃ ĐƯỢC HUẤN LUYỆN

• 100% Tiếng Việt Tự Nhiên: Khử hoàn toàn lỗi nhảy sang tiếng Trung/Anh và giọng văn dịch máy thô cứng.
• Thấu hiểu Dev Slang: Nhận diện mượt mà các từ viết tắt và tiếng lóng của lập trình viên Việt Nam: k, ko, dc, ae, mn, bh, z b, fix bug, sập sv, dính cors, nuốt lỗi....
• Cấu trúc kỹ thuật chuẩn: Tự động phản hồi theo định dạng chuyên nghiệp (# VAI TRÒ & MỤC TIÊU, code sạch có comment tiếng Việt, xử lý ngoại lệ an toàn).

---

💻 3. HƯỚNG DẪN SỬ DỤNG TRONG PYTHON

Cách 1: Chạy suy luận siêu tốc bằng Unsloth (Khuyên dùng)

import torch
from unsloth import FastLanguageModel

# 1. Tải Model gốc kèm LoRA Adapter
model, tokenizer = FastLanguageModel.from_pretrained(
    model_name = "khoin68/Qwen2.5-Coder-7B-Vietnamese-LoRA",
    max_seq_length = 2048,
    dtype = None,
    load_in_4bit = True,
)

# 2. Bật chế độ suy luận nhanh
FastLanguageModel.for_inference(model)

# 3. Gửi câu hỏi thử nghiệm
messages = [
    {"role": "system", "content": "Bạn là chuyên gia lập trình. TUYỆT ĐỐI chỉ trả lời bằng Tiếng Việt và Code chuẩn mực."},
    {"role": "user", "content": "ae cho hỏi code nodejs call api bên thứ 3 hay bị timeout thì xử lý sao z b?"}
]

inputs = tokenizer.apply_chat_template(messages, tokenize=True, add_generation_prompt=True, return_tensors="pt").to("cuda") outputs = model.generate(input_ids=inputs, max_new_tokens=512, temperature=0.6, top_p=0.9) print(tokenizer.batch_decode(outputs)[0]) Cách 2: Sử dụng LoRA này để Huấn luyện tiếp nối (Continued Fine-Tuning) Bạn có thể dùng bản LoRA này làm "điểm xuất phát" để nạp thêm dữ liệu riêng của bạn mà không cần train lại từ đầu: code

from unsloth import FastLanguageModel

# Nạp bản LoRA đã học tiếng Việt
model, tokenizer = FastLanguageModel.from_pretrained(
    model_name = "khoin68/Qwen2.5-Coder-7B-Vietnamese-LoRA",
    max_seq_length = 2048,
    load_in_4bit = True,
)

# Gắn LoRA mới và nạp thêm dataset của bạn vào train tiếp!
model = FastLanguageModel.get_peft_model(
    model,
    r = 32,
    target_modules = ["q_proj", "k_proj", "v_proj", "o_proj", "gate_proj", "up_proj", "down_proj"],
    lora_alpha = 32,
    lora_dropout = 0,
    bias = "none",
    use_gradient_checkpointing = "unsloth",
    random_state = 3407,
)

⚙️ 4. THÔNG SỐ HUẤN LUYỆN (HYPERPARAMETERS) Base Architecture: Qwen2.5-Coder-7B LoRA Rank ( r r ): 32 | LoRA Alpha ( α α ): 32 | Dropout: 0.0 Trainable Parameters: 80,740,352 (1.05% tổng tham số) Optimizer: AdamW 8-bit Hardware: Tesla T4 GPU (Google Cloud / Colab) 📜 5. BẢN QUYỀN & TÁC GIẢ Phát triển và huấn luyện bởi: @khoin68. Tối ưu hóa mã nguồn mở: Unsloth AI Team & Alibaba Cloud Qwen Team.