Upload README.md with huggingface_hub

README.md

@@ -31,25 +31,12 @@ de Daimon: **acciones de agente (tool-calling JSON), código y conversación en
 funciona con llama.cpp / LM Studio / cualquier stack GGUF, **sin necesidad del software
 de Daimon** — abajo está el contrato completo de prompts para usarlo standalone.
 
-### 📊 Benchmark (medido, reproducible)
+### 📊 Benchmarks de la comunidad — primero, porque no son nuestros
 
 <div align="center">
-<img src="https://huggingface.co/lucas-mella/Daimon-R/resolve/main/daimon-r-benchmarks-light.png" width="640" alt="benchmark daimon r vs base"/>
+<img src="https://huggingface.co/lucas-mella/Daimon-R/resolve/main/daimon-r-official-light.png" width="640" alt="benchmarks comunidad daimon r vs base"/>
 </div>
 
-| Métrica (198 casos held-out) | Base Qwen3-4B-Instruct-2507 | **daimon r** | |
-|---|---|---|---|
-| JSON válido / valid JSON | 100.0% | **100.0%** | ➖ empata |
-| Acción correcta / correct action | 75.3% | **100.0%** | ✅ gana |
-| Acción + campos correctos / correct fields | 47.5% | **100.0%** | ✅ gana |
-
-*Benchmark objetivo y reproducible: 198 escenarios sintéticos held-out (vocabulario
-disjunto del entrenamiento, cero solapamiento textual), calificados determinísticamente —
-JSON parseable, acción esperada, campos correctos (`ref`/`path`/`command`/…). Sin juez LLM.
-Medido sobre estos GGUF exactos servidos con llama.cpp. Script:
-[`agent_actions_eval.py`](https://github.com/lucasmella-stack/daimon) — los JSONs de
-resultados se generan antes de cada publicación.*
-
 ### 🔍 Benchmarks de la comunidad (independientes de nuestro propio bench)
 
 Además del benchmark de agent-actions de arriba (que es nuestro propio esquema),
@@ -77,6 +64,31 @@ arriba: de ~47% a ~100% en acciones correctas). Para programar "a mano" usá el
 modelo base; para operar como agente de Daimon, este. Si una dimensión pierde,
 se muestra perdiendo — preferimos que la card sea creíble a que sea linda.
 
+### 🎯 Benchmark de la tarea de Daimon (in-house, harness público)
+
+Este benchmark lo construimos NOSOTROS (por eso va segundo): mide la tarea
+específica para la que existe este LoRA — elegir la acción JSON correcta como
+agente de navegador/computadora/código de Daimon. Es held-out (vocabulario
+disjunto del entrenamiento), determinístico y el harness es código abierto,
+pero es nuestra propia cancha y corresponde decirlo.
+
+<div align="center">
+<img src="https://huggingface.co/lucas-mella/Daimon-R/resolve/main/daimon-r-benchmarks-light.png" width="640" alt="benchmark agente daimon r vs base"/>
+</div>
+
+| Métrica (198 casos held-out) | Base Qwen3-4B-Instruct-2507 | **daimon r** | |
+|---|---|---|---|
+| JSON válido / valid JSON | 100.0% | **100.0%** | ➖ empata |
+| Acción correcta / correct action | 75.3% | **100.0%** | ✅ gana |
+| Acción + campos correctos / correct fields | 47.5% | **100.0%** | ✅ gana |
+
+*Benchmark objetivo y reproducible: 198 escenarios sintéticos held-out (vocabulario
+disjunto del entrenamiento, cero solapamiento textual), calificados determinísticamente —
+JSON parseable, acción esperada, campos correctos (`ref`/`path`/`command`/…). Sin juez LLM.
+Medido sobre estos GGUF exactos servidos con llama.cpp. Script:
+[`agent_actions_eval.py`](https://github.com/lucasmella-stack/daimon) — los JSONs de
+resultados se generan antes de cada publicación.*
+
 ### 🧠 Con qué se entrenó (por contribución)
 
 - **Acciones de agente (in-house, sintético)** — escenarios browser/computer/code con el