---
title: k12-web-game-dev-model
canonical_url: "https://www.modelscope.cn/models/modeai/k12-web-game-dev-model"
md_url: "https://www.modelscope.cn/models/modeai/k12-web-game-dev-model.md"
repository: modeai/k12-web-game-dev-model
chinese_name: "青少年网页游戏开发基础（LoRA 微调）"
last_updated: 2026-11-01
license: apache-2.0
pipeline_tag: text-generation
tasks:
  - text-generation
model_type:
  - qwen2
architectures:
  - Qwen2ForCausalLM
base_model:
  - Qwen/Qwen2.5-0.5B-Instruct
base_model_relation: adapter
parameters: 494.0M
tensor_type:
  - F32
library_name:
  - transformer
  - lora
  - safetensors
language:
  - zh
downloads: 6
stars: 0
tags:
  - lora
  - k12
  - education
  - conversational
  - html5
  - javascript
  - web-game
  - programming
  - logic
---

# k12-web-game-dev-model

> k12-web-game-dev-model - modeai 在 ModelScope 开源的模型。本数据集面向初中至高中阶段学生，涵盖HTML5、CSS及JavaScript基础在游戏中的应用。内容包含画布绘图、事件监听、碰撞检测等核心技能。回答风格注重代码示例与逻辑讲解相结合，引导学生从零构建互动网页小游戏，培养计算思维与工程实践能力。

modeai/k12-web-game-dev-model 是 ModelScope 魔搭社区上的 494.0M 参数text-generation模型，采用 apache-2.0 许可，基于 Qwen/Qwen2.5-0.5B-Instruct 构建。

- **Repository**: modeai/k12-web-game-dev-model
- **License**: apache-2.0
- **Tasks**: text-generation
- **Parameters**: 494.0M
- **Base model**: Qwen/Qwen2.5-0.5B-Instruct
- **Tags**: lora, k12, education, conversational, html5, javascript, web-game, programming, logic
- **Downloads**: 6
- **Stars**: 0
- **Last updated**: 2026-11-01

Source: https://www.modelscope.cn/models/modeai/k12-web-game-dev-model

---

# 青少年网页游戏开发基础

本数据集面向初中至高中阶段学生，涵盖HTML5、CSS及JavaScript基础在游戏中的应用。内容包含画布绘图、事件监听、碰撞检测等核心技能。回答风格注重代码示例与逻辑讲解相结合，引导学生从零构建互动网页小游戏，培养计算思维与工程实践能力。

## 模型描述

| 项目 | 内容 |
|---|---|
| 底模 | [Qwen/Qwen2.5-0.5B-Instruct](https://modelscope.cn/models/Qwen/Qwen2.5-0.5B-Instruct) |
| 方法 | LoRA 微调（rank=8，target_modules=all-linear），发布时为合并后的完整权重 |
| 训练数据 | [modeai/k12-web-game-dev](https://modelscope.cn/datasets/modeai/k12-web-game-dev)（17 条训练 / 3 条验证） |
| 适用学段 | 初中7-9年级 |
| 许可 | Apache-2.0 |

## 用法

```python
from modelscope import snapshot_download
from transformers import AutoModelForCausalLM, AutoTokenizer

model_dir = snapshot_download("modeai/k12-web-game-dev-model")
tokenizer = AutoTokenizer.from_pretrained(model_dir)
model = AutoModelForCausalLM.from_pretrained(model_dir, torch_dtype="auto", device_map="auto")

messages = [
    {"role": "system", "content": "你是一位精通前端技术的编程教练，善于拆解复杂逻辑，提供可运行的代码片段并解释关键步骤。"},
    {"role": "user", "content": "为什么负负得正？"},
]
inputs = tokenizer.apply_chat_template(messages, add_generation_prompt=True, return_tensors="pt").to(model.device)
out = model.generate(inputs, max_new_tokens=300)
print(tokenizer.decode(out[0][inputs.shape[1]:], skip_special_tokens=True))
```

## 训练配置

- 训练轮数：1；最大长度：512；学习率：1e-4；LoRA rank：8
- 设备：CPU；训练脚本与日志随数据集仓库一并归档

## 限制与说明

- 数据由大模型按主题生成并经规则校验，**不能替代老师或专业辅导**；
- 涉及健康、安全等严肃话题时，请引导学生寻求真人帮助；
- 底模与本项目均以 Apache-2.0 发布，商用前请确认底模许可条款。