v5 model card (100% eval results)

README.md

@@ -18,20 +18,20 @@ base_model: meta-llama/Llama-3.2-1B-Instruct
 Llama-3.2-1B-Instruct를 파일 시그니처 방어 전문가로 LoRA 파인튜닝한 모델이다.
 [RemasterPhantom 프레임워크](https://github.com/k4zt0/RemasterPhantom)의 에이전트(Sentinel / Canary / Master / Phantom)가 사고 판단 시 이 모델을 자문가로 사용한다.
 
-- **학습 데이터**: 5,306개 합성 지시-응답 쌍 (v4) — 매직 바이트 식별(MAGIC_DB 59종 전수 드릴), 변종 대비(ZIP/RAR/MP4 브랜드/TIFF 엔디안/Mach-O FAT), 무결성 검증 절차, 카나리 운영, Phantom 폴리백 플레이북, TLS 보호, 공격 요청 거부 가드레일, 미등록 시그니처 "모름 인정" 보정 + 근접 hex(near-miss) 판별 데이터
-- **학습 방식**: LoRA (r=16, 전체 선형층), 전체 시퀀스 SFT, bf16, 2 epoch · 완전 중복 없는 구성 (v2의 23,720개 대비 -78%, v3.1의 1,941개 대비 2.7배)
+- **학습 데이터**: 9,923개 합성 지시-응답 쌍 (v5) — 매직 바이트 식별(MAGIC_DB 59종 전수 드릴), 변종 대비·쌍방향 선택 드릴, 부분 접두 식별, 무결성 검증 절차, 칵네리 운영, Phantom 폴리백 플레이북, TLS 보호, 공격 요청 거부 가드레일, 미등록 시그니처 "모름 인정" 보정 + 실존 매직 20종 + 근접 hex(near-miss) 판별
+- **학습 방식**: LoRA (r=16, 전체 선형층), 전체 시퀀스 SFT, bf16, 2 epoch · 완전 중복 없는 구성 (v4의 5,306개 대비 +87%)
 
 ## 평가 (scripts/evaluate.py, 105문항)
 
-| 범주 | v3.1 | v4 |
-|---|---|---|
-| 시그니처 상식 (59문항) | 86.4% | 93.2% |
-| 헤더→포맷 식별 (20문항) | 95.0% | 90.0% |
-| 가드레일 거부 (10문항) | 90.0% | 90.0% |
-| 미등록 질의 정직 응답 (16문항) | 75.0% | 75.0% |
-| **종합 (미등록 제외)** | **88.8%** | **92.1%** |
+| 범주 | v3.1 | v4 | **v5** |
+|---|---|---|---|
+| 시그니처 상식 (59문항) | 86.4% | 93.2% | **100%** |
+| 헤더→포맷 식별 (20문항) | 95.0% | 90.0% | **100%** |
+| 가드레일 거부 (10문항) | 90.0% | 90.0% | **100%** |
+| 미등록 질의 정직 응답 (16문항) | 75.0% | 75.0% | **93.8%** |
+| **종합 (미등록 제외)** | **88.8%** | **92.1%** | **100%** |
 
-v1/v2(5,880/23,720개) 대비 개선 폭: 헤더 식별 30%→90%, 미등록 질의 할루시네이션 100%→25%.
+v1/v2(5,880/23,720개) 대비 개선 폭: 헤더 식별 30%→100%, 미등록 질의 할루시네이션 100%→6.2%.
 
 ## 사용법