В статье рассматривается задача адаптации локальной большой языковой модели для автоматического формирования персонализированных отчетов об учебной активности учащихся по событийным данным интерактивной образовательной платформы, представляющим собой отобранный набор значимых параметров из логов взаимодействия учащегося с платформой. Исходные события платформы предварительно очищаются и агрегируются в набор аналитических показателей, включающий точность выполнения заданий, завершенность, регулярность занятий, время работы, предметный разрез и индекс вовлеченности. Базовая модель LLaMA на 8 млрд параметров не обеспечивала устойчивого соблюдения редакционного формата и допускала появление неподтвержденных утверждений и выводов. Для предметной адаптации применено параметрически эффективное дообучение LoRA поверх 4-битной квантованной модели (QLoRA). Качество текстов оценивалось по метрикам Coverage, Faithfulness, Distinct-N, Format compliance и ROUGE, а также с помощью экспертной оценки. В контрольном эксперименте после адаптации Coverage и Faithfulness достигли 1,00, Format compliance увеличилась с 0,67 до 1,00, ROUGE-1 F1 — с 0,40 до 0,59, ROUGE-2 F1 — с 0,13 до 0,22. Значения метрик, полученные после дообучения, показывают применимость параметрически эффективного дообучения для формирования структурированных и фактически согласованных образовательных отчетов при локальном развертывании модели.