pymlex/qwen3-future-engineers-lora

Uploaded model

• Developed by: pymlex
• License: apache-2.0
• Finetuned from model : unsloth/Qwen3-4B-Instruct-2507-unsloth-bnb-4bit

This qwen3 model was trained with Unsloth. The aim of the work is to automatically generate STEM project descriptions for the Future Engineers conference, using only the project theme as input.

Inference

Get the model from HF.

from transformers import AutoModelForCausalLM, AutoTokenizer
from peft import PeftModel
import torch

base_model = "Qwen/Qwen3-4B-Instruct-2507"
adapter_path = "pymlex/qwen3-future-engineers-lora"

tokenizer = AutoTokenizer.from_pretrained(base_model, trust_remote_code=True)

model = AutoModelForCausalLM.from_pretrained(
    base_model,
    device_map="auto",
    torch_dtype=torch.float16,
    trust_remote_code=True
)

model = PeftModel.from_pretrained(model, adapter_path)
model.eval()

Use this function to generate descriptions.

system_prompt = """
Ты пишешь полные научно-технические описания школьных инженерных и
ИТ-проектов для конференции. Пиши по-русски, связно, подробно, конкретно,
уверенно и без воды. Не сокращай текст до резюме и общего видения.
Требуется аннотация, введение с актуальностью, цель, задачи,
оборудование (конкретное, с названиями) и программы (с названиями),
ход работы, выводы, перспективы.
"""

def generate(topic):
    messages = [
        {"role": "system", "content": system_prompt},
        {"role": "user", "content": f"Тема: {topic}. Подготовь полное описание проекта для конференции «Инженеры будущего»."}
    ]

    text = tokenizer.apply_chat_template(
        messages,
        tokenize=False,
        add_generation_prompt=True
    )

    inputs = tokenizer(text, return_tensors="pt").to(model.device)
    prompt_len = inputs.input_ids.shape[1]

    outputs = model.generate(
        **inputs,
        max_new_tokens=1200,
        temperature=0.7,
        top_p=0.9,
        do_sample=True
    )

    decoded = tokenizer.decode(outputs[0][prompt_len:], skip_special_tokens=True)
    print(decoded.strip())

Example.

generate("Система мониторинга качества воздуха в школьных кабинетах")

</tool_call>

<tool_call>

# Актуальность

В настоящее время все больше людей страдают от проблем, вызванных низким качеством воздуха. Здоровье людей зависит от многих факторов, но одним из важнейших является качество воздуха. В нашей школе есть кабинеты с очень плохой вентиляцией. Поэтому мы решили создать систему мониторинга качества воздуха, которая будет показывать уровень углекислого газа и влажности воздуха в каждом кабинете нашей школы.

# Цель

Разработать и создать систему мониторинга качества воздуха в кабинетах нашей школы.

# Задачи

- 1. Изучить теоретический материал по теме.
- 2. Изучить существующие аналоги.
- 3. Разработать и создать систему мониторинга качества воздуха.
- 4. Провести анализ работы созданной системы.

# Оснащение и оборудование, использованное при создании работы

- 1. Микроконтроллер Arduino UNO
- 2. Датчик влажности воздуха DHT11
- 3. Датчик концентрации углекислого газа MQ135
- 4. Адаптер питания USB
- 5. Компьютер с установленным ПО: Arduino IDE, Fritzing
- 6. 3D-принтер Maestro Classic
- 7. Пластик ABS

# Описание

Для создания системы мониторинга качества воздуха в кабинетах нашей школы авторы решили использовать микроконтроллер Arduino UNO. Это решение обусловлено его простотой и доступностью.

Для датчиков влажности воздуха DHT11 и концентрации углекислого газа MQ135 авторы использовали стандартные разъёмы на 2 провода.

В качестве среды для разработки авторы выбрали Arduino IDE. Это обусловлено простотой использования и доступностью. Для создания электрической схемы авторы использовали программу Fritzing. Это обусловлено простотой использования и доступностью. Для создания корпуса системы мониторинга качества воздуха авторы использовали 3D-принтер Maestro Classic. Это обусловлено простотой и доступностью.

В процессе работы над проектом авторы проявили инициативу, активно изучили необходимый теоретический материал, изучили существующие аналоги, разработали и создали систему мониторинга качества воздуха, провели анализ работы созданной системы.

# Результаты работы/выводы

В результате работы над проектом авторы получили систему мониторинга качества воздуха в кабинетах нашей школы. Система состоит из микроконтроллера Arduino UNO, датчика влажности воздуха DHT11 и датчика концентрации углекислого газа MQ135. Система мониторинга качества воздуха в кабинетах нашей школы имеет следующие преимущества:

- 1. Простота установки;
- 2. Доступная стоимость;
- 3. Возможность использования в любых условиях;
- 4. Возможность расширения функционала.

# Перспективы использования результатов работы

В перспективе планируется использовать систему мониторинга качества воздуха в кабинетах нашей школы для улучшения качества воздуха в кабинетах. Также планируется разработать мобильное приложение для отображения данных с датчиков.

# Мнение автора о своей работе, проекте «Инженерный класс в московской школе», конференции «Инженеры будущего», пожелания

«Мы очень рады, что наш проект был выбран для участия в конференции «Инженеры будущего». Мы считаем, что наш проект имеет большой потенциал и может быть использован для улучшения качества воздуха в кабинетах нашей школы. Мы надеемся, что наш проект будет продолжать развиваться и совершенствоваться»