Docs: Mark SpaceCode-E2B v2 as first pedagogically validated release (88% 50-MCQ, 95.20% composite score)

README.md

@@ -1,79 +1,86 @@
 ---
-license: gemma
-base_model:
-  - google/gemma-4-E2B-it
+base_model: google/gemma-4-E2B-it
+library_name: transformers
+pipeline_tag: image-text-to-text
 tags:
-  - code
-  - vision
-  - multimodal
-  - gguf
-  - llama.cpp
-  - ollama
-  - unsloth
-  - software-engineering
-  - react
-  - flutter
-  - typescript
-  - python
-  - rust
-  - go
+- gemma4
+- spacecode
+- react-native
+- android
+- mobile-development
+- typescript
+- python
+- unsloth
+- qlora
+- gguf
+license: apache-2.0
 language:
-  - pt
-  - en
-pipeline_tag: image-text-to-text
+- pt
+- en
 ---
 
-# SpaceCode-E2B
+# 🚀 SpaceCode-E2B (v2 — Primeira Versão Validada Pedagogicamente)
 
-**SpaceCode-E2B** é um modelo de Engenharia de Software e Reparo Visual de Interfaces derivado do **Google Gemma 4 E2B (`google/gemma-4-E2B-it`)**, ajustado via QLoRA SFT com [Unsloth](https://github.com/unslothai/unsloth) pela **SpaceGhost**.
+**`SpaceGhost/SpaceCode-E2B`** é um modelo multimodal compacto de engenharia de software e tutoria educacional baseado no **`google/gemma-4-E2B-it`**, especializado em:
+1. **Desenvolvimento Mobile Android com React Native & Expo**:
+   - **Tema 2**: Configuração de Ambiente (`NVM`, `Node.js`, `NPM`/`Yarn`, `Android Studio`, `SDK`/`AVD`), `Expo CLI` vs `React Native CLI`, depuração (`ADB logcat`, `React Developer Tools`), `JSX`, transpilação, `Props`, `State` e Hooks (`useState`, `useEffect`).
+   - **Tema 3**: Interface Gráfica (`View`, `Text`, `Pressable`, `SafeAreaView`, `FlatList`, `SectionList`), estilização (`StyleSheet.create`, `Styled Components`, `Flexbox`), navegação (`@react-navigation/native`: *Stack*, *Tab*, *Drawer*) e animações (`Animated.timing`).
+   - **Tema 4**: Persistência de Dados Local e NoSQL (`AsyncStorage` com `JSON.stringify`/`JSON.parse`, `SQLite` transacional e `sqlite_sequence`, bancos orientados a objetos com `Realm` e documentos `MongoDB` / `Compass`).
+   - **Tema 5**: Conexão Remota (`Fetch API` nativa, `Axios` sobre `XMLHttpRequest` e `Response.data`), serviços `REST` (`GET`, `POST`, `PUT`, `DELETE`), protocolo `OAuth2` (4 papéis) e arquitetura *Offline First* (`react-native-offline`, `redux-offline`, *Optimistic UI*).
+   - **Tema 6**: Arquitetura de Software (`MVC` com camada `DAO`, `Flux` vs `Redux` sem *Dispatcher* via `createStore`/`Reducer`), criptografia (`CryptoJS` AES, `IV` aleatório com `CryptoJS.lib.WordArray.random(16)`, codificação `Base64`), testes unitários (`Jest` e `Mocks`), performance (`Hermes`, prevenção de *Memory Leak*) e publicação na Google Play (`APK` / `AAB` assinados).
+   - **Tema 7**: Resolução de estudos de caso e desafios reais de arquitetura mobile.
+2. **Engenharia de Software Geral & Agentes**: Python, TypeScript, Rust, SQL, Segurança/OWASP, System Design e Debugging.
 
 ---
 
-## 📦 Estrutura Unificada do Repositório
+## 📦 Artefatos Unificados neste Repositório
 
-Este repositório centraliza todos os formatos oficiais do modelo para inferência local, inferência multimodal e continuidade de treinamento:
-
-| Caminho no Repositório | Formato | Finalidade |
+| Caminho | Formato | Descrição |
 | :--- | :--- | :--- |
-| `Q4_K_M.gguf` | **GGUF (`Q4_K_M`)** | Inferência rápida local via **Ollama** e **`llama.cpp`** |
-| `model.safetensors` | **Safetensors (16-bit)** | Modelo completo (Visão + Texto) para inferência multimodal ou base de novos treinamentos |
-| `lora/` | **QLoRA Adapter** | Adaptador LoRA e processador para treino incremental (`subfolder="lora"`) |
+| `model.safetensors` (raiz) | `bfloat16` (16-bit Merged) | Modelo completo fundido (`Merged 16-bit v2`) pronto para `transformers` / `vLLM` |
+| `Q4_K_M.gguf` (raiz) | `GGUF Q4_K_M` | Versão quantizada para execução local em CPU/GPU via `Ollama` / `llama.cpp` |
+| `lora/` | `PEFT LoRA Adapter` | Adaptador QLoRA `v2` (`r=16, alpha=16`) isolado |
 
 ---
 
-## 🚀 Como Executar
+## 📊 Validação Técnica e Pedagógica (`v2` — Aprovado para Produção Educacional)
 
-### 1. Via Ollama (GGUF `Q4_K_M`)
-```bash
-ollama run hf.co/SpaceGhost/SpaceCode-E2B:Q4_K_M
-```
+O treinamento da **`v2`** foi conduzido em GPU **NVIDIA L4 (24 GB VRAM, `bfloat16`)** aplicando **mascaramento estrito de loss apenas na resposta (`labels = -100` nos tokens do usuário)**, separação rigorosa entre conteúdo teórico/código e exercícios objetivos, regularização (`lora_dropout=0.05`, `weight_decay=0.05`, `lr=1.2e-4`) e replay de programação geral.
 
-### 2. Via `llama.cpp`
-```bash
-llama-cli -hf SpaceGhost/SpaceCode-E2B:Q4_K_M --jinja
-```
+### 1. Benchmark Expandido de 50 Questões por Tema (`Merged 16-bit v2`)
 
-### 3. Via Unsloth / Transformers (16-bit Multimodal ou Continuidade de Treino)
-```python
-from unsloth import FastVisionModel
+| Tema / Escopo | Acertos | Acurácia |
+| :--- | :---: | :---: |
+| **Tema 2** — Sintaxe, Ambiente, CLI/Expo, ADB, JSX, Props/State | `6 / 8` | **75,0%** |
+| **Tema 3** — Interface Gráfica, Listas (`FlatList`/`SectionList`), Navegação, `Animated` | `6 / 8` | **75,0%** |
+| **Tema 4** — Persistência (`AsyncStorage`, `SQLite`, `Realm`, `MongoDB`) | `8 / 8` | **100,0%** |
+| **Tema 5** — Conexão Remota (`Fetch`, `Axios`, `REST`, `OAuth2`, `Offline First`) | `7 / 8` | **87,5%** |
+| **Tema 6** — Tópicos Avançados (`MVC`/`DAO`, `Flux`/`Redux`, `CryptoJS`, `Jest`, `Hermes`) | `7 / 8` | **87,5%** |
+| **Tema 7** — Desafios Práticos de Mercado Mobile (Estudos de Caso) | `10 / 10` | **100,0%** |
+| **TOTAL GERAL (50 Questões — Temas 2 a 7)** | **`44 / 50`** | **`88,0%`** |
 
-# Carregar modelo 16-bit completo da raiz:
-model, processor = FastVisionModel.from_pretrained("SpaceGhost/SpaceCode-E2B", load_in_4bit=True)
-```
+### 2. Score Composto Ponderado Final (`Merged 16-bit v2`)
 
----
-
-## 🎯 Capacidades Principais
-
-1. **Diagnóstico e Reparo de Interfaces (UI/UX & Frontend/Mobile)**:
-   - Identificação de regressões visuais e problemas de layout em **React / TypeScript / Tailwind CSS** e **Flutter / Dart**.
-   - Geração de diagnósticos de causa raiz, patches em formato *Unified Diff* e código corrigido.
-2. **Engenharia de Software Políglota**:
-   - Suporte a **TypeScript, Python, Dart/Flutter, SQL, Java, Go, C#, Rust e Bash**.
-   - Correção de bugs com análise de causa raiz, refatoração estrutural, geração de testes unitários, revisão de código (segurança e boas práticas) e decisões de arquitetura.
+| Eixo de Avaliação | Peso | Resultado Medido | Contribuição |
+| :--- | :---: | :---: | :---: |
+| **1. Exercícios dos Temas 2–7 (50 questões)** | `40%` | **88,0%** (`44/50`) | `35,20%` |
+| **2. Tutoria Educacional (5 cenários reais de estudo)** | `30%` | **100,0%** (`5/5` aprovados) | `30,00%` |
+| **3. Seguimento de Instruções Inéditas (Tabela 3 linhas + Resumo 5 tópicos)** | `15%` | **100,0%** (`2/2` aprovados) | `15,00%` |
+| **4. Ausência de *Quiz-Leakage* em Perguntas Abertas** | `10%` | **100,0%** (`0/8` vazamentos) | `10,00%` |
+| **5. Não-Regressão em Programação Geral (Python)** | `5%` | **100,0%** (`1/1` funcional) | `5,00%` |
+| **SCORE COMPOSTO PONDERADO FINAL** | **`100%`** | **Meta >= 85,0%** | **`95,20%` ✅** |
 
 ---
 
-## ⚠️ Atribuição
+## 📝 Changelog & Observações da Versão (`v2`)
+
+### Evolução `v1` $
+- **`v1` (Descartada antes do merge)**: Excelente memorização do formato de prova, porém apresentava *quiz-leakage* em perguntas abertas (transformava perguntas conceituais em questões de múltipla escolha) e regressão em código fora do domínio devido à falta de máscara de loss no prompt.
+- **`v2` (Promovida — Baseline Oficial Validada Pedagogicamente)**:
+  - **Zero *quiz-leakage*** (`0/8` vazamentos em perguntas abertas e cenários de tutoria).
+  - **Forte capacidade de tutoria**: explica conceitos para iniciantes (como Redux e virtualização de listas), compara arquiteturas, escreve código funcional e resume aulas mantendo diversidade léxica (`4-gram >= 0.987`).
+  - **Domínio técnico validado pós-merge**: `88,0%` (`44/50`) no benchmark geral dos Temas 2–7, com `100%` em Persistência de Dados (Tema 4) e `100%` nos Desafios Práticos de Mercado (Tema 7).
 
-- *SpaceCode-E2B is a fine-tuned derivative of Google Gemma 4 E2B (`google/gemma-4-E2B-it`).*
+### Limitações Conhecidas & Pontos de Atenção
+1. **Pequena oscilação em questões objetivas após o merge 16-bit**: Na amostra inicial de 15 questões houve recuo de `13/15` (`86,7%` em `Base + LoRA v2`) para `12/15` (`80,0%` no `Merged 16-bit v2`), estabilizando em **`88,0%` (`44/50`)** no benchmark completo. Os poucos erros remanescentes concentram-se nos Temas 2 e 3 (`75,0%`).
+2. **Desambiguação de contexto Android vs. React Native**: Em perguntas sobre comportamento de tela no Android (como barra de status / `SafeAreaView`) que não mencionam explicitamente *"React Native"* no prompt, o modelo pode exemplificar o código em Kotlin/Android nativo. Recomenda-se explicitar `"no React Native"` quando o foco for estritamente a disciplina.