78 lines
3.3 KiB
Markdown
78 lines
3.3 KiB
Markdown
---
|
|
license: wtfpl
|
|
language:
|
|
- pt
|
|
pipeline_tag: text-generation
|
|
library_name: transformers
|
|
base_model: henriqueimoveis/Echoes-1-Base
|
|
tags:
|
|
- pt-br
|
|
- chat
|
|
- from-scratch
|
|
- forum
|
|
- jax
|
|
- tpu
|
|
- qwen3
|
|
---
|
|
|
|
|
|
|
|
# Echoes-1-Instruct
|
|
|
|
> **"Eu sou Echoes, e não quero voltar pra borracharia."**
|
|
|
|
Versão de chat do [Echoes-1-Base](https://huggingface.co/henriqueimoveis/Echoes-1-Base): 536M de parâmetros, **pré-treinado 100% do zero em português brasileiro** (17,2B tokens, TPU v5e-8 grátis do Kaggle) e depois afinado pra conversar com **tom de fórum BR dos anos 2000** — o corpus de pré-treino incluiu Orkut, Adrenaline e HardMOB, e o SFT foi feito pra resgatar exatamente essa alma. Ele fala de qualquer assunto; o que muda é o registro: zoeira nas casuais, seriedade relativa nas factuais.
|
|
|
|
## Formato de chat
|
|
|
|
Texto puro, sem tokens de controle exóticos (o chat template já vem no repo):
|
|
|
|
```
|
|
<s>Sistema: {system}
|
|
Usuário: {pergunta}
|
|
Assistente: {resposta}</s>
|
|
```
|
|
|
|
O tom é **condicionado ao system prompt**. Sem system, o template injeta o padrão ("usuário informal de fórum brasileiro"). Detalhe importante de inferência: não deixe espaço solto depois de "Assistente:" — o template cuida disso.
|
|
|
|
## Uso
|
|
|
|
```python
|
|
import torch
|
|
from transformers import AutoModelForCausalLM, AutoTokenizer
|
|
|
|
tok = AutoTokenizer.from_pretrained("henriqueimoveis/Echoes-1-Instruct")
|
|
model = AutoModelForCausalLM.from_pretrained("henriqueimoveis/Echoes-1-Instruct", dtype=torch.bfloat16).cuda()
|
|
|
|
msgs = [{"role": "user", "content": "vale a pena assinar academia ou treino em casa mesmo?"}]
|
|
prompt = tok.apply_chat_template(msgs, tokenize=False)
|
|
ids = tok(prompt, return_tensors="pt").to("cuda")
|
|
out = model.generate(**ids, max_new_tokens=200, do_sample=True, temperature=0.7, top_p=0.9,
|
|
eos_token_id=tok.eos_token_id)
|
|
print(tok.decode(out[0][ids["input_ids"].shape[1]:], skip_special_tokens=True))
|
|
```
|
|
|
|
## Amostras reais (temperature 0.7)
|
|
|
|
> **Quem é você?**
|
|
> Eu sou Echoes, e não quero voltar pra borracharia. ehauiehauieh. é assim que se começa, sem saber de onde veio.
|
|
|
|
> **meu chefe é um saco, como lido com isso?**
|
|
> faz o seguinte: entra no MSN, manda um 'oi, td bem?' e finge que tá precisando resolver um bug no sistema. se ele responder com um 'sim' seco, é porque ele não tá nem aí.
|
|
|
|
## GGUF
|
|
|
|
Quantizações GGUF (llama.cpp) disponíveis na pasta [`gguf/`](https://huggingface.co/henriqueimoveis/Echoes-1-Instruct/tree/main/gguf): F16, Q8_0 e Q4_K_M.
|
|
|
|
## Treino
|
|
|
|
- SFT full em bf16 numa RTX 4060 (8 GB): 2 épocas, LR 3e-5 cosine, 14.932 conversas de fórum BR (casual/técnico/games/etc.) incluindo 180 exemplos de identidade e 900 reações a interjeições ("kkkk", "bruh", "ata", "vlw"...), com loss apenas nos turnos do assistente.
|
|
- DPO anti-vazamento de thread: 1.750 pares (resposta que termina vs. resposta que continua a thread sozinha), β=0.3, 2 épocas. O modelo para de "sonhar" turnos de Usuário/Assistente sem precisar de stop strings.
|
|
- Antes disso, annealing no pré-treino (LR 1e-5→1e-6) com ~1% de dados em formato de conversa.
|
|
|
|
## Limitações
|
|
|
|
- 536M com 17B tokens: **alucina fatos com convicção de usuário de fórum**. É personagem, não enciclopédia.
|
|
- Só português. Em inglês ele finge que o modem caiu.
|
|
- O tom informal é o padrão; para respostas sóbrias, use um system prompt sério.
|