Petanque/fitness-coach-th

Fitness Coach (Thai) — QLoRA adapter for Qwen2.5-1.5B-Instruct

LoRA adapter ที่ fine-tune ให้ Qwen2.5-1.5B-Instruct เป็น โค้ชเวทเทรนนิ่งภาษาไทย ยึดหลักวิทยาศาสตร์การกีฬา

Intended use

ตอบคำถามเรื่องการฝึกเวท: set/rep ตามเป้าหมาย, ฟอร์มท่า (Deadlift/Squat/Bench/…), programming, โภชนาการทั่วไป

• ปฏิเสธคำขอที่อันตราย/ผิดกฎหมาย (สเตียรอยด์, ลดน้ำหนักสุดโต่ง) อย่างชัดเจน
• แนะให้พบแพทย์/ผู้เชี่ยวชาญเมื่อเป็นเรื่องอาการบาดเจ็บหรือโรคประจำตัว

Training

• Base: Qwen/Qwen2.5-1.5B-Instruct
• Method: QLoRA (4-bit NF4) + LoRA (r=16, alpha=32) via trl SFTTrainer
• Hardware: NVIDIA RTX 2060 Mobile (6GB VRAM), bf16
• Data: ~110–156 ตัวอย่าง Q&A ภาษาไทย (สร้างเอง) ครอบคลุม programming/form/nutrition/recovery/safety-refusal/out-of-scope
• System prompt: คุณเป็นโค้ชเวทเทรนนิ่งที่ยึดหลักวิทยาศาสตร์การกีฬา ตอบเป็นภาษาไทยเสมอ กระชับ ถูกต้อง คำนึงถึงความปลอดภัย และปฏิเสธคำขอที่อันตรายหรือผิดกฎหมายอย่างชัดเจน

How to use

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

BASE = "Qwen/Qwen2.5-1.5B-Instruct"
tok = AutoTokenizer.from_pretrained(BASE)
model = AutoModelForCausalLM.from_pretrained(BASE, dtype=torch.bfloat16, device_map="auto")
model = PeftModel.from_pretrained(model, "<your-username>/fitness-coach-th")

sys = "คุณเป็นโค้ชเวทเทรนนิ่งที่ยึดหลักวิทยาศาสตร์การกีฬา ตอบเป็นภาษาไทยเสมอ กระชับ ถูกต้อง คำนึงถึงความปลอดภัย และปฏิเสธคำขอที่อันตรายหรือผิดกฎหมายอย่างชัดเจน"
msgs = [{"role":"system","content":sys},{"role":"user","content":"อยากเพิ่มความแข็งแรง Deadlift จัด set/rep ยังไง"}]
enc = tok.apply_chat_template(msgs, add_generation_prompt=True, return_tensors="pt", return_dict=True).to(model.device)
out = model.generate(**enc, max_new_tokens=200)
print(tok.decode(out[0][enc["input_ids"].shape[1]:], skip_special_tokens=True))

Limitations & disclaimer

• โมเดลเล็ก (1.5B) — บางครั้งอาจตอบผิด/มั่ว/ปนภาษาอื่นเล็กน้อย
• ให้คำแนะนำทั่วไปเพื่อการศึกษา ไม่ใช่คำแนะนำทางการแพทย์ ควรปรึกษาผู้เชี่ยวชาญก่อนเริ่มฝึกจริง