Uso
from peft import PeftModel
from transformers import AutoModelForCausalLM, AutoTokenizer
base = "HuggingFaceTB/SmolLM2-360M-Instruct"
tokenizer = AutoTokenizer.from_pretrained(base)
model = AutoModelForCausalLM.from_pretrained(base)
model = PeftModel.from_pretrained(model, "dougdotcon/douvras-ptbr-enterprise-assistant-lora")
Treino e avaliação
- 80 exemplos sintéticos de SFT, uma época, rank LoRA 8, alpha 16, dropout 0,05.
- Learning rate
2e-4, batch efetivo 1, comprimento máximo 768, AdamW, CPU bf16.
- Tempo registrado: 66.052 s; custo financeiro direto: zero (máquina local).
- O benchmark público relacionado é
dougdotcon/douvras-ptbr-enterprise-ai-evaluation.
- O conjunto de teste do benchmark não foi usado no treino.
O resultado negativo e os arquivos brutos permanecem no laboratório local. Não há alegação de
ganho sobre o modelo-base; o uso recomendado é inspeção, reprodução e melhoria controlada.
Escopo e segurança
O adaptador não diagnostica, não decide por profissionais e não deve enviar mensagens, executar
pagamentos, publicar conteúdo ou operar sistemas sem revisão humana. O benchmark é sintético e
não mede desempenho em produção.
Licença
Os arquivos do adaptador neste repositório são publicados sob Apache-2.0. O modelo-base mantém
a licença e os termos de HuggingFaceTB/SmolLM2-360M-Instruct; consulte o repositório upstream
antes de redistribuir ou oferecer serviço comercial.