docs: 更新模型卡，补充完整模型说明与评测结果

- 保留原有 YAML 元数据（license, datasets, language, base_model, tags）
- 补充完整的模型描述、使用方法、评测结果
- 添加 GitHub 和 Hugging Face 仓库链接
- 添加完整的训练信息和数据处理说明
- 中英双语版本

README.md

@@ -6,4 +6,246 @@ language:
 - zh
 base_model:
 - unsloth/Qwen3-4B-Instruct-2507
----
+tags:
+- riichi-mahjong
+- game-ai
+- qwen
+- qwen3
+- mahjong
+- discard-recommendation
+- gguf
+pipeline_tag: text-generation
+---
+
+# Qwen3-4B-Instruct-2507-mahjong-alpha
+
+`Qwen3-4B-Instruct-2507-mahjong-alpha` 是一个基于 `unsloth/Qwen3-4B-Instruct-2507` 进行 QLoRA 微调的立直麻将垂直模型，面向四麻弃牌建议任务。
+
+模型可根据输入的场次信息、手牌、副露、牌河、牌效与防守信息，输出当前最应打出的一张牌。
+
+当前版本主要面向工具集成场景，推理输出为单张牌文本，不包含解释信息。
+
+## 模型特点
+
+- **任务**：四麻立直麻将弃牌建议
+- **基座模型**：`unsloth/Qwen3-4B-Instruct-2507`
+- **微调方式**：`QLoRA`
+- **训练框架**：`Unsloth`
+- **发布格式**：`GGUF (F16)`
+- **推理方式**：`llama.cpp`
+- **维护者**：`TTDXQ`
+
+## 适用范围
+
+本模型面向四麻场景，不含赤宝牌。当前版本专注于"弃牌建议"这一单一任务，不提供完整对局规划，也不提供役种、打点或详细攻防解释。
+
+## 使用限制
+
+- 仅支持弃牌建议
+- 不支持完整对局规划
+- 不支持役种、打点、进攻防守解释
+- 不保证竞赛或实战效果
+- 仅供研究与学习使用
+
+## 禁止用途
+
+禁止将本模型用于：
+
+- 作弊
+- 外挂
+- 代打
+- 真钱赌博辅助
+
+## 模型输入输出
+
+### 输入格式
+
+模型输入为结构化自然语言局面描述。示例：
+
+```text
+[情景分析]
+- 牌局: 东一局，你是庄家 (第1巡，牌墙余69张)。
+- 状态: 当前排名 1/4 (与一位差 0)。
+- 宝牌: 5万
+- 各玩家分数: 你有 25分, 下家: 25分, 对家: 25分, 上家: 25分。
+- 你的手牌: 1万 5万 7万 3筒 5筒 6筒 8筒 8筒 3索 5索 8索 南 白 发
+- 牌效: 5 向听，进张 82 张。
+- 防御：
+  最安全牌放铳率：11.3%
+  平均放铳率：18.5%
+  最危险牌放铳率：25.9%
+场上已见牌信息
+各玩家副露信息:本家副露：无, 下家副露：无, 对家副露：无, 上家副露：无
+各玩家牌河信息:本家：无, 下家：无, 对家：无, 上家：无
+
+[任务]
+根据当前情景，选择一张最应该打出的手牌。
+```
+
+### 输出格式
+
+模型输出严格为"单张牌文本"，不带"打"字，不带解释。例如：
+
+```text
+白
+```
+
+## 使用方法
+
+### llama.cpp 推理
+
+```bash
+llama-server -m Qwen3-4B-Instruct-2507-mahjong-alpha.gguf -c 2048
+```
+
+### Python 推理示例
+
+```python
+from transformers import AutoModelForCausalLM, AutoTokenizer
+
+model = AutoModelForCausalLM.from_pretrained(
+    "TTDXQ/Qwen3-4B-Instruct-2507-mahjong-alpha"
+)
+tokenizer = AutoTokenizer.from_pretrained(
+    "TTDXQ/Qwen3-4B-Instruct-2507-mahjong-alpha"
+)
+
+# 准备输入
+input_text = "[情景分析]\n- 牌局: 东一局，你是庄家 (第1巡，牌墙余69张)。\n..."
+
+# 推理
+inputs = tokenizer(input_text, return_tensors="pt")
+outputs = model.generate(**inputs, max_new_tokens=10)
+result = tokenizer.decode(outputs[0], skip_special_tokens=True)
+print(result)  # 输出: 白
+```
+
+## 数据集
+
+训练数据使用 `pjura/mahjong_board_states` 的 2018 年部分数据。该数据集来源于天风麻将的游玩记录，每条数据包含 511 个数据点，涵盖游戏基础信息、宝牌指示牌、视角玩家手牌、玩家副露、牌河信息、玩家舍牌、弃牌决策等。
+
+### 数据处理
+
+将原始数据转换为便于阅读的自然语言描述形式，并根据数据计算出巡目数、实际宝牌、简易放铳参考等信息。根据巡目调整样本比例：
+
+- 1~3 巡：15%
+- 4~6 巡：20%
+- 7~12 巡：35%
+
+最终使用 `192000` 条样本，未混入通用指令数据或自建数据。
+
+- 训练集：`192000`
+- 验证集：`2000`
+- 测试集：`2019 年数据按需抽取`
+- 训练 / 验证 / 测试：完全互不重叠
+
+### 数据集引用
+
+```bibtex
+@dataset{mahjong_board_states,
+  title = {MahJong Board States Dataset},
+  author = {Patrick Jura},
+  year = {2024},
+  url = {https://huggingface.co/datasets/pjura/mahjong_board_states}
+}
+```
+
+## 训练信息
+
+### 模型配置
+- 基础模型：`unsloth/Qwen3-4B-Instruct-2507`
+- 训练加载精度：`4bit`
+- 微调方式：`QLoRA`
+- 训练框架：`Unsloth`
+- Max sequence length：`2048`
+
+### LoRA 参数
+- Rank：`128`
+- Alpha：`256`
+- 目标模块：全部
+
+### 训练超参数
+- Learning rate：`1e-4`
+- LR scheduler：`cosine`
+- Batch size：`64`
+- 单卡批次：`2`
+- 梯度累积步数：`32`
+- Training steps：`3000`
+- Warmup steps：`300`
+- Random seed：`3407`
+- 加载最优检查点：是
+
+### 训练时间
+- 总时长：约 16.44 小时
+
+## 评测结果
+
+### 与数据库弃牌动作对比
+
+推理参数：Temperature=0.1, Top_P=0.1
+
+**评测指标说明**：
+- 得分：满分 500 分（每个样本正确得 1 分，错误得 0 分）
+- 样本全对率：3 次测试均与测试集结��一致的样本占全部样本的比例
+- 样本零分率：3 次测试均与测试集结果不符的样本占全部样本的比例
+
+#### 牌效测试
+
+| 模型 | 方法 | 得分 | 样本全对率 | 样本零分率 |
+|------|------|------|------------|------------|
+| Qwen3-4B | 提示词工程 | 50.21 | 6.60% | 86.13% |
+| Qwen3-4B | 微调 | 229.66 | 45.87% | 53.93% |
+| DeepSeek-V3.2 | 提示词工程 | 181.66 | 21.40% | 46.33% |
+
+#### 防守测试
+
+| 模型 | 方法 | 得分 | 样本全对率 | 样本零分率 |
+|------|------|------|------------|------------|
+| Qwen3-4B | 提示词工程 | 53.55 | 6.17% | 84.43% |
+| Qwen3-4B | 微调 | 239.89 | 47.93% | 52.00% |
+| DeepSeek-V3.2 | 提示词工程 | 172.00 | 16.00% | 46.80% |
+
+#### 综合测试
+
+| 模型 | 方法 | 得分 | 样本全对率 | 样本零分率 |
+|------|------|------|------------|------------|
+| Qwen3-4B | 提示词工程 | 53.44 | 0.60% | 84.40% |
+| Qwen3-4B | 微调 | 233.33 | 46.53% | 53.20% |
+| DeepSeek-V3.2 | 提示词工程 | 179.44 | 18.07% | 44.93% |
+
+### 与 Mortal 对比
+
+推理参数：Temperature=0.6, Top_P=0.95
+
+#### 测试1：全部巡目数据
+
+- 样本数：3000
+- Top-1 准确率：**50.73%**
+- Top-3 准确率：**83.37%**
+
+#### 测试2：去除早巡数据
+
+- 有效样本数：3000
+- Top-1 准确率：**48.70%**
+- Top-3 准确率：**79.20%**
+
+> 注：Mortal 是当前开源最强的立直麻将 AI 之一
+
+## 仓库链接
+
+- GitHub：https://github.com/ttdxq/Qwen3-4B-Instruct-2507-mahjong-alpha
+- Hugging Face：https://huggingface.co/TTDXQ/Qwen3-4B-Instruct-2507-mahjong-alpha
+
+## License
+
+本模型遵循 Apache License 2.0 许可证。
+
+训练数据来自 `pjura/mahjong_board_states`，其许可证为 `CC BY 4.0`，使用时请保留相应署名与引用。
+
+## Acknowledgements
+
+感谢以下开源资源：
+
+- `unsloth/Qwen3-4B-Instruct-2507`
+- `pjura/mahjong_board_states`
+- `Mortal`