Upload README.md

README.md

@@ -70,8 +70,8 @@ configs:
 
 | 🌐 Ngôn Ngữ / Language | 📌 Chuyển Hướng / Quick Navigation |
 | :--- | :--- |
-| **🇻🇳 Bản Tiếng Việt Đầy Đủ** | 👉 [**Xem toàn bộ Báo cáo Kỹ thuật Tiếng Việt**](#vietnamese) |
-| **🇬🇧 Full English Version** | 👉 [**Jump to the complete English Technical Dataset Card**](#english) |
+| **🇻🇳 Bản Tiếng Việt Đầy Đủ (9 Mục)** | 👉 [**Xem toàn bộ Báo cáo Kỹ thuật Tiếng Việt**](#vietnamese) |
+| **🇬🇧 Full English Version (9 Sections)** | 👉 [**Jump to the complete English Technical Dataset Card**](#english) |
 
 </div>
 
@@ -420,7 +420,25 @@ trainer.train()
 
 ---
 
-## 8. Ủng Hộ Dự Án & Liên Hệ (Support & Contact)
+## 8. Giấy Phép & Trích Dẫn (License & Citation)
+
+- **Giấy phép**: Phát hành theo giấy phép mở **Apache License 2.0**.
+- **Trích dẫn BibTeX**:
+
+```bibtex
+@dataset{vietverse_sft_preview_2026,
+  author       = {TTP01 and Vietverse Contributors},
+  title        = {Vietverse-SFT: A High-Density, Native Vietnamese Foundation Dataset for Large Language Model Instruction Tuning},
+  year         = {2026},
+  publisher    = {Hugging Face},
+  howpublished = {\url{https://huggingface.co/datasets/TTP01/Vietverse-SFT-Preview}},
+  version      = {1.0-preview}
+}
+```
+
+---
+
+## 9. Ủng Hộ Dự Án & Liên Hệ (Support & Contact)
 
 Nếu bạn thấy dự án **Vietverse-SFT** hữu ích và muốn tiếp thêm nguồn lực (chi phí API & Compute) để mở rộng các tập dữ liệu tiếng Việt quy mô lớn hơn trong tương lai, mọi sự ủng hộ đều rất quý báu:
 
@@ -574,6 +592,7 @@ dataset = load_dataset("TTP01/Vietverse-SFT-Preview", split="train")
 print(f"✅ Loaded {len(dataset)} samples")
 print("User:", dataset[0]["messages"][0]["content"])
 print("Assistant:", dataset[0]["messages"][1]["content"])
+print("Quality Score:", dataset[0]["quality_score"])
 ```
 
 ---
@@ -606,11 +625,11 @@ model = FastLanguageModel.get_peft_model(
 # 3. Format Chat Template
 dataset = load_dataset("TTP01/Vietverse-SFT-Preview", split="train")
 
-def format_prompts(batch):
+def apply_template(batch):
     texts = [tokenizer.apply_chat_template(msgs, tokenize=False, add_generation_prompt=False) for msgs in batch["messages"]]
     return {"text": texts}
 
-dataset = dataset.map(format_prompts, batched=True)
+dataset = dataset.map(apply_template, batched=True)
 
 # 4. Train Model
 trainer = SFTTrainer(
@@ -766,10 +785,10 @@ trainer.train()
 
 ---
 
-## 7. Giới Hạn & Đạo Đức Dữ Liệu (Limitations & Ethics)
+## 7. Limitations & Ethical Considerations
 
-- **Dữ liệu tổng hợp (Synthetic Data Boundary)**: Dù đã qua 3 tầng lọc và kiểm chứng G-Eval, dữ liệu tổng hợp từ LLM vẫn có thể tồn tại sai sót nhỏ ở các mốc thời gian hoặc số hiệu văn bản pháp lý rất chi tiết. Chúng tôi khuyến nghị người dùng đối chiếu văn bản gốc khi áp dụng cho các quyết định pháp lý và y khoa quan trọng.
-- **Tính an toàn**: Tập dữ liệu đã được lọc sạch các nội dung độc hại, vi phạm pháp luật và đảm bảo tính bảo mật cá nhân (No PII).
+- **Synthetic Data Boundary**: While audited through 3-stage multi-agent verification, synthetic generations may occasionally contain minor factual inaccuracies in niche legal citations or dates. Users should cross-reference original primary sources for critical legal or medical decisions.
+- **Safety & PII**: The corpus has been strictly filtered and decontaminated against personally identifiable information (PII), toxic expressions, and sensitive private data.
 
 ---