Add/Update model card

README.md

@@ -1,3 +1,56 @@
----
-license: mit
----
+---
+language: ru
+tags:
+- reinforcement-learning
+- grpo
+- qwen2.5
+- lis
+license: other
+base_model: Qwen/Qwen2.5-1.5B-Instruct
+---
+
+# GRPO LIS agent (Week 2)
+
+Это модель, дообученная с помощью GRPO (RL) на среде **Longest Increasing Subsequence (LIS)**:
+по заданной последовательности целых чисел нужно вернуть длину LIS.
+
+## Важно про формат ответа
+
+Системный промпт (должен совпадать с train/eval):
+
+```text
+Отвечай в следующем формате:
+<think>
+...
+</think>
+<answer>
+...
+</answer>
+```
+
+## Датасеты для оценки
+
+Фиксированные test/dev наборы, сгенерированные в train-ноутбуке, опубликованы тут:
+- `None`
+
+## Быстрый пример инференса (Transformers)
+
+```python
+from transformers import AutoTokenizer, AutoModelForCausalLM
+import torch
+
+repo = "elativus/AI-SelectedTopics-W2"
+tok = AutoTokenizer.from_pretrained(repo)
+model = AutoModelForCausalLM.from_pretrained(repo, torch_dtype=torch.float16, device_map="auto")
+
+user_prompt = "..."  # вопрос из датасета (одна задача)
+messages = [
+    {"role": "system", "content": 'Отвечай в следующем формате:\n<think>\n...\n</think>\n<answer>\n...\n</answer>'},
+    {"role": "user", "content": user_prompt},
+]
+prompt = tok.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
+
+inputs = tok(prompt, return_tensors="pt").to(model.device)
+out = model.generate(**inputs, max_new_tokens=64, do_sample=False)
+print(tok.decode(out[0], skip_special_tokens=True))
+```