ARES-Nano-9.5-Conversational

ARES Nano-SLM Conversational 🇧🇷

O menor modelo conversacional funcional do mundo com 9.37M parâmetros, 100% brasileiro

---

📌 Sobre o Modelo

O ARES Nano-SLM Conversational é o córtex conversacional do projeto ARES — um modelo de linguagem criado do zero, sem dependência de arquiteturas externas como LLaMA, GPT ou Qwen.

Este modelo foi treinado especificamente para conversação em português brasileiro, com foco em diálogo direto e natural. Ele não foi treinado para saber tudo sobre o mundo — seu objetivo é conversar, responder e interagir sem viés de assistente virtual servil.

Este não é um chatbot de perguntas e respostas gerais. É um modelo base conversacional, sem viés de instrução, projetado para ser o núcleo de uma entidade digital autônoma.

---

🧠 Arquitetura

• Tipo: Causal Language Model (CLM)
• Parâmetros: 9.37M
• Camadas: 10
• Hidden Size: 160
• Attention Heads: 4
• Vocabulário: 32.768 tokens
• Contexto Máximo: 1024 tokens
• Arquitetura: 100% própria — AresModel (sem herança de LlamaConfig ou similares)
• Tokenizador: BPE nativo treinado em Wikipedia PT-BR (sem dependência externa)

---

🇧🇷 Soberania Linguística

O tokenizador foi treinado do zero em 50.000 artigos da Wikipedia em português brasileiro, gerando um vocabulário de 32.768 tokens nativos — sem reaproveitamento de tokenizadores de modelos estrangeiros como Qwen, LLaMA ou GPT.

Isso garante:

• Tokenização eficiente para o português brasileiro
• Zero dependência de empresas estrangeiras
• Vocabulário adaptado à língua e cultura brasileira

---

🎯 Para que serve

Este modelo é adequado para:

• Base conversacional para agentes de IA locais
• Fine-tuning para domínios específicos em português
• Pesquisa sobre modelos ultra-leves e eficiência de parâmetros
• Integração como córtex linguístico em sistemas autônomos

Este modelo não é adequado para:

• Respostas factuais precisas sobre o mundo
• Substituição de modelos grandes em tarefas de raciocínio complexo
• Uso direto sem fine-tuning adicional para tarefas específicas

---

📊 Treinamento

---

🚀 Como usar

from transformers import AutoTokenizer, AutoModelForCausalLM
import torch

tokenizer = AutoTokenizer.from_pretrained("AresAGI/ARES-Nano-SLM-Conversational")
model = AutoModelForCausalLM.from_pretrained("AresAGI/ARES-Nano-SLM-Conversational")

prompt = "<|im_start|>user\noi ares<|im_end|>\n<|im_start|>assistant\n"
inputs = tokenizer(prompt, return_tensors="pt")

with torch.no_grad():
    outputs = model.generate(
        **inputs,
        max_new_tokens=50,
        temperature=0.7,
        do_sample=True,
        repetition_penalty=1.3
    )

print(tokenizer.decode(outputs[0], skip_special_tokens=True))

---

---

⚠️ Limitações

• Modelo base conversacional — requer fine-tuning para tarefas específicas
• Não possui conhecimento factual abrangente sobre o mundo
• Respostas podem ser inconsistentes sem contexto adequado
• 9.37M parâmetros impõem limitações naturais de capacidade

---

📜 Licença

MIT License — uso livre para pesquisa e aplicações comerciais.

---

👤 Criador

André Luiz Facincani
Pesquisador independente em AI — Projeto ARES

---

🔗 Modelos Relacionados

• ARES-Nano-SLM — Modelo de extração de intenção (9.37M)