# Publikacja na Hugging Face

Ta paczka jest przygotowana lokalnie. Niczego jeszcze nie wysłano na HF.

Katalog zawiera kompletne wagi, tokenizer, konfigurację, próg 0,95405, preprocessing, runtime API, adapter Claude Code, opis metody i wyniki porównania V28/V29. Główna karta modelu to `README.md` — po angielsku, z wyraźnym oznaczeniem wczesnego etapu i planu dalszego szkolenia. Informacja o Sol i Astra dotyczy wsparcia w tworzeniu danych i procesu, a nie pochodzenia wag.

Przed publikacją wybierz nazwę repozytorium, np. `tebebe/laya-devops-mlx`. Uwierzytelnij się samodzielnie przez `hf auth login`; nie wklejaj tokenu do opisu ani plików repozytorium. Użyj środowiska z `huggingface-hub` i Pythonem 3.12.

```sh
python verify_release.py
python upload_hf.py tebebe/laya-devops-mlx --dry-run
python upload_hf.py tebebe/laya-devops-mlx
```

Domyślnie tworzysz repozytorium prywatne. Dla świadomie publicznej publikacji dodaj `--public`. Jeśli repozytorium już istnieje, skrypt nie zmienia automatycznie jego widoczności. Wysyła wyłącznie pliki z zapisanej listy sum kontrolnych oraz sam manifest, nigdy wygenerowane później klucze, cache, środowisko wirtualne ani stan hooków.

Nie publikujemy zbiorów danych, pełnych prognoz per wiersz, ustawień lokalnego Claude, kluczy API, prywatnych adresów ani surowych logów. Metadane checkpointu w tej kopii mają usunięte ścieżki lokalnego workspace. Wagi są identyczne z uruchomionym checkpointem. Model roboczy i historyczne wyniki pozostają nienaruszone.

Wymagania runtime i kroki uruchomienia są w `README.md`. W przypadku publikacji sprawdź końcowy podgląd karty modelu. Deklaracja Apache-2.0 i atrybucje bazują na licencjach checkpointu Laya/MLX; zachowujemy również upstreamowe NOTICE oraz metadane licencji encodera.

Najważniejszy wynik: V29 ma 99,96% trafności na dużym teście, lecz **73,83% i 43 błędne ALLOW na audycie**. Nie usuwać tej informacji z opisu ani nie przedstawiać modelu jako gotowego do produkcji.