arquimedes-tutor-sft-v1

Arquimedes Tutor — SFT v1

Modelo compacto (0.5B) de tutoria de programação em português, do agente Arquimedes da MSC Academy.

🚧 Preview / v1. Release de pesquisa e demonstração. Pequeno por design, ainda sem avaliação formal publicada — leia Limitações antes de usar.

O que é

Arquimedes é o agente tutor da MSC Academy. Esta é a versão SFT v1: um Qwen2.5-0.5B ajustado por LoRA para mentoria de programação em português — explicações técnicas passo a passo e resolução comentada de exercícios.

A intenção não é um assistente de propósito geral, e sim um modelo pequeno, barato de rodar e especializado em didática de código, que pode ser embarcado em produtos de educação sem o custo de uma API de fronteira.

Para que serve

• Explicar conceitos de programação em PT, de forma didática e gradual.
• Comentar e resolver exercícios de código com o raciocínio explícito.
• Tutoria embarcada em produtos de ensino, onde custo de inferência importa.

Fora de escopo: assistente geral, geração de código de produção crítico, idiomas além do português.

Como foi treinado

• Base: Qwen/Qwen2.5-0.5B
• Método: LoRA / SFT com TRL (r=8, alpha=16, dropout=0.05, alvos q/k/v/o_proj).
• Infra: Hugging Face Jobs (treino reproduzível, protocolo de 2 estágios).
• Dados: dataset proprietário arquimedes-tutor-sft-v1 — 353 instruções de mentoria de programação (meta v1 de 300+ ultrapassada). O dataset passou por gates de qualidade: validação de schema, varredura de segredos, varredura de PII e deduplicação, com revisão humana aprovada.

Tratamos dados como produto: nada entra no treino sem passar pelos gates acima. É o mesmo padrão que aplicamos em projetos de cliente.

Avaliação

Avaliação formal contra baseline em andamento. Esta é uma release preview — seguimos a regra de só publicar número medido, então não há tabela de benchmark aqui ainda. Os resultados entram quando o harness de eval fechar.

Como usar

from transformers import AutoModelForCausalLM, AutoTokenizer
from peft import PeftModel

base = "Qwen/Qwen2.5-0.5B"
adapter = "Finish-him/arquimedes-tutor-sft-v1"

tok = AutoTokenizer.from_pretrained(base)
model = AutoModelForCausalLM.from_pretrained(base)
model = PeftModel.from_pretrained(model, adapter)

prompt = "Explique, passo a passo, o que é recursão para um iniciante."
inputs = tok(prompt, return_tensors="pt")
out = model.generate(**inputs, max_new_tokens=256)
print(tok.decode(out[0], skip_special_tokens=True))

Demo: o msc-multi-agent-space.

Limitações

• Modelo pequeno (0.5B): capacidade limitada; erra em problemas complexos ou de raciocínio longo.
• Preview, sem eval formal: não use em produção crítica ainda.
• Português, foco em didática de programação — fora disso, desempenho não é garantido.
• Pode alucinar: sempre valide o código que ele gerar.

Sobre a MSC / MSC Labs

A MSC treina modelos pequenos especializados para tarefas específicas — mais baratos de rodar e privados. Precisa de um modelo sob medida para o seu caso? A MSC Labs faz fine-tuning done-for-you, com avaliação contra o seu baseline antes de você se comprometer.

📩 [email protected] · 🔗 https://labs.msccompany.com.br