SmolLM2-1.7B-Espirita

Este modelo é uma versão fine-tuned do HuggingFaceTB/SmolLM2-1.7B-Instruct usando LoRA (Low-Rank Adaptation) em um dataset de obras espíritas em português.

Descrição do Dataset

O modelo foi treinado em um dataset contendo 12.842 pares de instrução-resposta extraídos de 11 obras clássicas do espiritismo:

• Evangelho Redivivo (Livros 1-5)
• O Livro dos Espíritos
• O Livro dos Médiuns
• O Céu e o Inferno
• O Evangelho Segundo o Espiritismo
• O que é o Espiritismo
• Obras Póstumas

Configuração do Treinamento

• Modelo Base: HuggingFaceTB/SmolLM2-1.7B-Instruct
• Método: LoRA (Low-Rank Adaptation)
• Quantização: 4-bit
• Épocas: 3
• Batch Size: 4
• Learning Rate: 2e-4
• Max Length: 512 tokens
• LoRA Rank: 16
• LoRA Alpha: 32

Como Usar

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

# Carrega o modelo base
base_model = AutoModelForCausalLM.from_pretrained(
    "HuggingFaceTB/SmolLM2-1.7B-Instruct",
    torch_dtype=torch.float16,
    device_map="auto"
)

# Carrega o tokenizer
tokenizer = AutoTokenizer.from_pretrained("HuggingFaceTB/SmolLM2-1.7B-Instruct")

# Carrega os adaptadores LoRA
model = PeftModel.from_pretrained(base_model, "elissoncardoso1/SmolLM2-1.7B-Espirita")

# Função para gerar resposta
def gerar_resposta(pergunta, max_length=256):
    prompt = f"Pergunta: {pergunta}\nResposta:"
    
    inputs = tokenizer(prompt, return_tensors="pt", truncation=True, max_length=512)
    
    with torch.no_grad():
        outputs = model.generate(
            **inputs,
            max_length=max_length,
            temperature=0.7,
            do_sample=True,
            pad_token_id=tokenizer.eos_token_id
        )
    
    response = tokenizer.decode(outputs[0], skip_special_tokens=True)
    return response.split("Resposta:")[-1].strip()

# Exemplo de uso
pergunta = "O que é a reencarnação segundo o espiritismo?"
resposta = gerar_resposta(pergunta)
print(resposta)

Limitações

• O modelo foi treinado especificamente em conteúdo espírita em português
• Pode não ter conhecimento atualizado sobre eventos recentes
• As respostas refletem o conteúdo das obras utilizadas no treinamento

Licença

Este modelo está licenciado sob Apache 2.0. O conteúdo das obras espíritas utilizadas está em domínio público.