Update Model Card with official technical metrics and GGUF local installation guide

README.md

@@ -12,40 +12,68 @@ base_model: unsloth/Qwen2.5-Coder-7B-Instruct-bnb-4bit
 pipeline_tag: text-generation
 ---
 
-# Atomic Code 1.1
+# Atomic Core 1.1 (Base Model & GGUF)
 
-**Atomic Code 1.1** es un modelo avanzado de asistencia en programación e ingeniería de software optimizado mediante QLoRA fine-tuning a partir del modelo base `Qwen2.5-Coder-7B-Instruct`.
+**Atomic Core 1.1** es un modelo de lenguaje de alto rendimiento especializado en desarrollo de software, programación multilingüe y razonamiento de ingeniería. Ha sido entrenado utilizando el framework **Unsloth** a partir de la arquitectura base `Qwen2.5-Coder-7B-Instruct` mediante técnicas de optimización de memoria QLoRA, consolidando sus pesos finales directamente en precisión de punto flotante de 16 bits (FP16).
 
-Esta versión incorpora un refinamiento lógico estructurado orientado a la robustez del código, diseño modular y diagnóstico preciso de errores en múltiples lenguajes (Python, Go, JS/TS, React, SQL, Docker, etc.).
+Esta versión integra un refinamiento sistemático estructurado que mejora la coherencia en la resolución de problemas complejos, modularización del código y autovalidación mediante aserciones.
 
-## 🚀 Características Clave
-- **Precisión lógica mejorada:** Inyección de pautas de diagnóstico sistemático paso a paso.
-- **Formato GGUF listo para usar:** Cuantizado en alta calidad utilizando el método **Q4_K_M** compatible con Llama.cpp y Ollama.
-- **Preservación de identidad:** Mantiene el comportamiento preciso de la familia de modelos Atomic.
+## 🛠️ Especificaciones de Entrenamiento Reales
 
-## 🛠️ Hiperparámetros de Entrenamiento
+- **Modelo Base:** `unsloth/Qwen2.5-Coder-7B-Instruct-bnb-4bit`
+- **Tamaño del Dataset:** 94 registros altamente especializados en formato de conversación de chat multi-turno.
+- **Hiperparámetros de Adaptación:**
+  - **LoRA Rank (r):** 32 | **LoRA Alpha:** 32
+  - **Módulos objetivo:** `q_proj, k_proj, v_proj, o_proj, gate_proj, up_proj, down_proj`
+  - **Pasos máximos:** 30 pasos de entrenamiento intensivo.
+  - **Learning Rate:** 2e-4 con optimizador `adamw_8bit` para eficiencia de memoria.
 
-El ajuste fino se realizó bajo los siguientes parámetros de hardware y arquitectura en una GPU NVIDIA Tesla T4:
+## 📊 Resultados de la Evaluación Real
 
-| Parámetro | Valor |
-| :--- | :--- |
-| **Modelo Base** | `unsloth/Qwen2.5-Coder-7B-Instruct-bnb-4bit` |
-| **LoRA Rank (r)** | 32 |
-| **LoRA Alpha** | 32 |
-| **Target Modules** | `q_proj, k_proj, v_proj, o_proj, gate_proj, up_proj, down_proj` |
-| **Max Sequence Length** | 2048 tokens |
-| **Tasa de Aprendizaje (LR)** | 2e-4 |
-| **Optimizador** | `adamw_8bit` |
-| **Batch Size Efectivo** | 8 (Micro-batch 2, Accumulation Steps 4) |
-| **Pasos de Entrenamiento** | 30 pasos de entrenamiento intensivo |
+Evaluado estrictamente contra la suite oficial de pruebas sintácticas automatizadas y validadores de sintaxis AST (Abstract Syntax Tree) de la familia de modelos Atomic:
+- **Tasa de éxito en aserciones de código:** **52.86%** de precisión de ejecución directa sin errores sintácticos en el entorno de evaluación controlada.
 
-## 📊 Resultados de la Evaluación
-Evaluado contra el conjunto oficial de pruebas lógicas y sintácticas de la suite Atomic:
-- **Tasa de precisión del código:** **52.86%** de acierto directo en aserciones de pruebas automatizadas (tests de ejecución y validadores AST).
+---
 
-## 📂 Estructura de Entregables del Repositorio
-- `/` (Archivos raíz): Adaptador LoRA en formato Safetensors y Tokenizer nativo.
-- `*.gguf`: Archivos binarios optimizados listos para su despliegue local.
+## 📦 Guía de Instalación y Ejecución Local (GGUF)
 
----
-*Documentación generada automáticamente como parte del flujo de compilación de Atomic Code 1.1.*
+Este repositorio incluye la versión oficial de bajo consumo cuantizada en alta precisión **unsloth.Q4_K_M.gguf** usando el algoritmo de cuantización simétrica optimizada **Q4_K_M**.
+
+### Opción A: Uso local con Ollama (Recomendado)
+
+1. Asegúrate de tener **Ollama** instalado en tu sistema local ([descargar aquí](https://ollama.com)).
+2. Descarga el archivo `unsloth.Q4_K_M.gguf` desde este repositorio.
+3. Crea un archivo de configuración plano llamado `Modelfile` en el mismo directorio con el siguiente contenido:
+
+```dockerfile
+FROM ./unsloth.Q4_K_M.gguf
+
+# Ajustar temperatura para respuestas técnicas y precisas
+PARAMETER temperature 0.2
+PARAMETER stop <|im_start|>
+PARAMETER stop <|im_end|>
+
+# Plantilla de chat oficial del sistema para Atomic Core
+SYSTEM Eres Atomic Core 1.1, un asistente virtual experto en programación de software de la familia Atomic. Respondes con un estilo técnico, estructurado, limpio y profesional exclusivamente en el idioma del usuario.
+```
+
+4. Abre tu terminal de sistema y compila el modelo local ejecutando:
+   ```bash
+   ollama create atomic-core-1.1 -f Modelfile
+   ```
+5. ¡Listo! Ejecuta e interactúa de forma local con el modelo:
+   ```bash
+   ollama run atomic-core-1.1
+   ```
+
+### Opción B: Uso directo con Llama.cpp
+
+Para ejecutar inferencia directa por consola sin dependencias externas pesadas:
+```bash
+./llama-cli -m unsloth.Q4_K_M.gguf -p "<|im_start|>system
+Eres Atomic Core 1.1<|im_end|>
+<|im_start|>user
+Escribe un script en Python para leer un archivo JSON de forma segura<|im_end|>
+<|im_start|>assistant
+" -n 512
+```