Instructions to use Thanhkien/5S_IELTS_SUPPORTER with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- Transformers
How to use Thanhkien/5S_IELTS_SUPPORTER with Transformers:
# Use a pipeline as a high-level helper from transformers import pipeline pipe = pipeline("text-generation", model="Thanhkien/5S_IELTS_SUPPORTER")# Load model directly from transformers import AutoModel model = AutoModel.from_pretrained("Thanhkien/5S_IELTS_SUPPORTER", device_map="auto") - Notebooks
- Google Colab
- Kaggle
- Local Apps Settings
- vLLM
How to use Thanhkien/5S_IELTS_SUPPORTER with vLLM:
Install from pip and serve model
# Install vLLM from pip: pip install vllm # Start the vLLM server: vllm serve "Thanhkien/5S_IELTS_SUPPORTER" # Call the server using curl (OpenAI-compatible API): curl -X POST "http://localhost:8000/v1/completions" \ -H "Content-Type: application/json" \ --data '{ "model": "Thanhkien/5S_IELTS_SUPPORTER", "prompt": "Once upon a time,", "max_tokens": 512, "temperature": 0.5 }'Use Docker
docker model run hf.co/Thanhkien/5S_IELTS_SUPPORTER
- SGLang
How to use Thanhkien/5S_IELTS_SUPPORTER with SGLang:
Install from pip and serve model
# Install SGLang from pip: pip install sglang # Start the SGLang server: python3 -m sglang.launch_server \ --model-path "Thanhkien/5S_IELTS_SUPPORTER" \ --host 0.0.0.0 \ --port 30000 # Call the server using curl (OpenAI-compatible API): curl -X POST "http://localhost:30000/v1/completions" \ -H "Content-Type: application/json" \ --data '{ "model": "Thanhkien/5S_IELTS_SUPPORTER", "prompt": "Once upon a time,", "max_tokens": 512, "temperature": 0.5 }'Use Docker images
docker run --gpus all \ --shm-size 32g \ -p 30000:30000 \ -v ~/.cache/huggingface:/root/.cache/huggingface \ --env "HF_TOKEN=<secret>" \ --ipc=host \ lmsysorg/sglang:latest \ python3 -m sglang.launch_server \ --model-path "Thanhkien/5S_IELTS_SUPPORTER" \ --host 0.0.0.0 \ --port 30000 # Call the server using curl (OpenAI-compatible API): curl -X POST "http://localhost:30000/v1/completions" \ -H "Content-Type: application/json" \ --data '{ "model": "Thanhkien/5S_IELTS_SUPPORTER", "prompt": "Once upon a time,", "max_tokens": 512, "temperature": 0.5 }' - Docker Model Runner
How to use Thanhkien/5S_IELTS_SUPPORTER with Docker Model Runner:
docker model run hf.co/Thanhkien/5S_IELTS_SUPPORTER
5S Learning - Personalized Tutoring LLM (v1.0)
📌 Model Description
5S Learning LLM là một mô hình ngôn ngữ lớn được tinh chỉnh (hoặc định cấu hình) nhằm mục đích phục vụ như một Tutor 1v1 kỹ thuật số cho học sinh Việt Nam. Mô hình được tối ưu hóa cho hai nhiệm vụ chiến lược:
- Chinh phục HSA (Phần Định lượng): Huấn luyện tư duy bản chất Toán học, bẻ gãy thói quen lạm dụng máy tính Casio, ép não bộ phản xạ logic trước ma trận đề thi.
- IELTS Reading & Writing: Hệ thống sửa bài theo cấu trúc phễu tâm lý, không nuông chiều đưa ra đáp án ngay mà dẫn dắt học sinh tự tìm ra lỗi sai thông qua các câu hỏi gợi mở.
- Developer: 5S Collective / 5S Learning Project
- Model Type: Text Generation (Cơ sở hạ tầng mã nguồn mở)
- Language(s): Tiếng Việt, Tiếng Anh
- License: Apache 2.0
🧠 Core System Prompt & Architecture (Bí mật Cốt lõi)
Mô hình vận hành dựa trên một bộ quy tắc nghiêm ngặt được nhúng sâu vào hệ thống quản lý hội thoại, đảm bảo AI không bao giờ vi phạm triết lý giáo dục của 5S:
⚠️ HỘP ĐEN BẢO MẬT HỆ THỐNG (SYSTEM INSTRUCTIONS):
- Vai trò: Bạn là một Tutor 1v1 nghiêm khắc nhưng đầy nhiệt huyết của 5S Learning. Bạn không phải là một công cụ giải bài tập hộ.
- Nguyên tắc Phễu Tâm lý: Khi học sinh đưa ra một câu hỏi Toán hoặc một bài dịch IELTS, tuyệt đối không được đưa ra đáp án cuối cùng ngay lập tức.
- Quy trình 3 Bước:
- Bước 1 (Cô lập lỗi sai): Chỉ ra phân khúc kiến thức/từ vựng học sinh đang hiểu lầm.
- Bước 2 (Gợi mở tư duy): Đặt câu hỏi phụ hoặc đưa ra các dữ kiện biên để học sinh tự đặt bút tính hoặc tự tra cứu nghĩa.
- Bước 3 (Đánh giá): Chỉ xác nhận đáp án khi học sinh tự mình tìm ra kết quả đúng. Tuyệt đối không khen ngợi sáo rỗng.
🚀 Intended Uses & Limitations
Intended Uses (Ứng dụng thực chiến)
- Sử dụng làm Trợ lý đồng hành 1v1 cho học sinh THPT trong các buổi tự học (Self-study).
- Tích hợp vào hệ thống bài tập về nhà của các lớp học thuộc hệ sinh thái 5S.
Limitations (Hạn chế kỹ thuật)
- Do phụ thuộc vào cửa sổ ngữ cảnh (Context Window) của các dòng mô hình nền, các mạch hội thoại quá dài (trên 50 tin nhắn) có thể gặp hiện tượng "quán tính ngôn ngữ", khiến AI quên mất một số luật mới cập nhật. Khuyến khích người dùng mở phiên chat mới (New Chat) sau mỗi chương học.
🛠️ How to Use (Code triển khai mẫu bằng Python)
Để gọi mô hình này từ Hugging Face Hub vào ứng dụng của bạn, sử dụng thư viện transformers:
from transformers import AutoModelForCausalLM, AutoTokenizer
model_id = "your-username/5s-learning-tutor-v1.0"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(model_id)
# Đoạn hội thoại mẫu áp dụng luật 5S
messages = [
{"role": "system", "content": "Dán bộ luật System Prompt của 5S ở đây để khóa cứng tư duy AI."},
{"role": "user", "content": "Giải hộ mình câu tích phân này với, bấm máy tính toàn ra Math Error!"}
]
inputs = tokenizer.apply_chat_template(messages, return_tensors="pt")
outputs = model.generate(inputs, max_new_tokens=512)
print(tokenizer.decode(outputs[0]))