cuphead-qwen3-1.7b-finetuned

cuphead-qwen3-1.7b-finetuned

Versão fine-tuned do Qwen/Qwen3-1.7B especializada em responder perguntas sobre o jogo Cuphead e sua DLC The Delicious Last Course, em português.

O modelo foi treinado com SFT (Supervised Fine-Tuning) usando TRL sobre o dataset Er1ckRg/cuphead_basico, cobrindo chefes, mecânicas, personagens, armas, amuletos e conteúdo da DLC.

Uso

from transformers import pipeline

generator = pipeline(
    "text-generation",
    model="Er1ckRg/cuphead-qwen3-1.7b-finetuned",
    device="cuda",
)

mensagens = [
    {
        "role": "system",
        "content": (
            "Você é um especialista no jogo Cuphead e sua DLC The Delicious Last Course. "
            "Responda perguntas de forma precisa e factual sobre a campanha, chefes, "
            "mecânicas e conteúdo do jogo."
        ),
    },
    {"role": "user", "content": "Quem são os protagonistas de Cuphead?"},
]

# Qwen3 gera tokens de thinking por padrão — filtre o bloco <think> se não quiser
output = generator(mensagens, max_new_tokens=512, do_sample=False)[0]
resposta = output["generated_text"][-1]["content"]

# Remove o bloco de raciocínio interno caso apareça
if "</think>" in resposta:
    resposta = resposta.split("</think>")[-1].strip()

print(resposta)

Dataset

Treinado sobre Er1ckRg/cuphead_basico, um dataset de perguntas e respostas factuais em português cobrindo:

• Chefes da campanha principal e da DLC
• Personagens jogáveis (Cuphead, Mugman, Ms. Chalice)
• Armas, amuletos e mecânicas de jogo
• Modo cooperativo e sistema de ranking

Formato: chat com roles system / user / assistant.

Procedimento de treino

• Método: SFT (Supervised Fine-Tuning)
• Loss: NLL apenas nos tokens do assistente (assistant_only_loss=True)
• Épocas: 3
• Hardware: NVIDIA Tesla T4 (16 GB)
• Precisão: FP16

Versões dos frameworks

• TRL: 1.7.0
• Transformers: 5.12.1
• PyTorch: 2.10.0+cu128
• Datasets: 4.8.5
• Tokenizers: 0.22.2

Limitações

• Especializado em Cuphead — perguntas fora desse domínio serão respondidas com base no conhecimento geral do Qwen3-1.7B, sem garantia de qualidade.
• Dataset de tamanho reduzido — pode não cobrir situações muito específicas ou raras do jogo.
• Respostas em português; desempenho em outros idiomas não foi avaliado.

Citações

@software{vonwerra2020trl,
  title   = {{TRL: Transformers Reinforcement Learning}},
  author  = {von Werra, Leandro and Belkada, Younes and Tunstall, Lewis and Beeching, Edward and Thrush, Tristan and Lambert, Nathan and Huang, Shengyi and Rasul, Kashif and Gallouédec, Quentin},
  license = {Apache-2.0},
  url     = {https://github.com/huggingface/trl},
  year    = {2020}
}