⚖️ JusticeOS — Prompt Lab · مختبر المطالبات

The idea 🎯 — الفكرة:

An app on Hugging Face Spaces that lets users enter a prompt (instruction or question). The app sends the input to a ready language model through the Hugging Face API, then the model response is analyzed to see whether the model understands it well.

تطبيق على Hugging Face Spaces يتيح للمستخدمين إدخال prompt (تعليمات أو سؤال)، ثم يُرسل التطبيق هذا الإدخال إلى نموذج لغة جاهز عبر Hugging Face API، وبعد ذلك تُحلّل استجابة النموذج لمعرفة ما إذا كان النموذج يفهم جيداً.

How it works · كيف يعمل

1. Enter a prompt — أدخل المطالبة (تعليمات أو سؤال).
2. Pick a ready model and a behavior profile — اختر النموذج الجاهز ونمط السلوك.
3. The app calls the model via the Hugging Face Inference API — يرسل التطبيق الطلب إلى النموذج.
4. A second pass asks the same model to judge the reply as strict JSON — مرحلة ثانية تُقيّم الاستجابة بدرجات صارمة.
5. If the JSON evaluation fails, a clearly-labeled transparent heuristic fallback scores the reply — عند الفشل يُستخدم بديل إرشادي شفاف معلَن بوضوح.

Models · النماذج الجاهزة

meta-llama/Llama-2-7b-chat-hf
mistralai/Mistral-7B-Instruct

Tools · الأدوات المستخدمة

Gradio + Hugging Face Inference API (huggingface_hub InferenceClient).

Setup · التهيئة

1. Add your Hugging Face token as a Space secret named HF_TOKEN (Settings → Variables and secrets → New secret).
2. Llama-2-7b-chat-hf is a gated model — open its model page and accept the license with the same account first.
3. If serverless inference is unavailable for a model, the error is surfaced honestly in the report — switch to the other model or use Inference Providers / PRO endpoints.

Honesty · مبدأ الصدق

The scores are heuristic judgments, not ground truth. Every report states which method produced it (model-judged second pass, or transparent heuristic fallback), and accuracy cannot be certified without a reference source.