Update README.md

README.md

@@ -25,7 +25,7 @@ Fine-tuned версия модели Qwen2.5-Coder-3B-Instruct для анали
 
 ## Описание модели
 
-Эта модель предназначена для анализа кода студента, нахождение слабых сильных сторон и выставления оценки. Модель принимает:
+Эта модель предназначена для анализа кода студента, нахождения слабых сильных сторон и выставления оценки. Модель принимает:
 - **Условие задачи** (текстовое описание)
 - **Код решения студента** (Python код)
 
@@ -40,46 +40,6 @@ Fine-tuned версия модели Qwen2.5-Coder-3B-Instruct для анали
 Модель основана на Qwen2.5-Coder-3B-Instruct и дообучена с использованием LoRA (Low-Rank Adaptation).
 
 
-## Использование
-
-### С помощью transformers
-
-```python
-from transformers import AutoModelForCausalLM, AutoTokenizer
-import torch
-
-model_name = "Vilyam888/Code_analyze.1.0"
-
-tokenizer = AutoTokenizer.from_pretrained(model_name, trust_remote_code=True)
-model = AutoModelForCausalLM.from_pretrained(
-    model_name,
-    torch_dtype=torch.bfloat16,
-    device_map="auto",
-    trust_remote_code=True
-)
-
-# Формат запроса
-prompt = "Проанализируй этот код:\ndef hello():\n    print('Hello, World!')"
-
-# Форматирование в стиле обучения
-text = f"{prompt}\n\nОтвет:\n"
-
-inputs = tokenizer(text, return_tensors="pt").to(model.device)
-
-with torch.no_grad():
-    outputs = model.generate(
-        **inputs,
-        max_new_tokens=512,
-        temperature=0.7,
-        top_p=0.8,
-        top_k=20,
-        repetition_penalty=1.05,
-        do_sample=True
-    )
-
-response = tokenizer.decode(outputs[0], skip_special_tokens=True)
-print(response)
-```
 
 
 ## Детали обучения