---
license: apache-2.0
base_model: HuggingFaceTB/SmolLM2-1.7B-Instruct
tags:
- generated_from_trainer
- espiritismo
- portuguese
- fine-tuned
- peft
- lora
model-index:
- name: SmolLM2-1.7B-Espirita
  results: []
---

# SmolLM2-1.7B-Espirita

Este modelo é uma versão fine-tuned do [HuggingFaceTB/SmolLM2-1.7B-Instruct](https://huggingface.co/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

```python
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.