modelo-fiscal-pt

Modelo Fiscal PT — Portuguese Tax Assistant SLM

Two-pass Portuguese tax assistant SLM based on cnmoro/Qwen2.5-0.5B-Portuguese-Hybrid-Reasoning.

Architecture

• Pass 1 (Query Translator): User question → structured JSON (action, tags, year) with GBNF grammar constraint
• Pass 2 (Response Polisher): Source text + question → polished response with disclaimer

Action classification (lookup/filter/compare) is rule-based (not learned).

Quantization

Q4_K_M with per-tensor fallback (~50% of 896-dim Qwen2.5 head tensors fall back to q5_0).

• Format: GGUF
• Size: 379 MB
• Context window: 32768 tokens (native Qwen2.5)

Deployment

Sideload into PocketPal AI:

1. Download the GGUF file
2. Download pass1_grammar.gbnf
3. Configure PocketPal to use the GBNF grammar for Pass 1 inference

Usage

Pass 1 — Structured JSON output (with GBNF grammar)

System: Você é um tradutor de consultas tributárias. Converta a pergunta do usuário em JSON estruturado. Use APENAS os campos: action (lookup|filter|compare), tags (lista de palavras-chave), year (ano).
User: Qual a diferença entre IRS e IRC?
Assistant: {"action": "compare", "tags": ["cirs", "artigo_11", "diferencia", "entre", "irs"], "year": null}

Pass 2 — Polished response (no grammar)

System: Você recebe um texto técnico de legislação tributária. Apresente-o de forma clara em português. Mantenha todos os números, percentagens e prazos exatos. Máximo de 4 frases. Não adicione informação nova.
User: Texto de origem: De acordo com o artigo 51.º do CIRS, as mais-valias imobiliárias são tributadas à taxa de 28%, salvo opção pelo englobamento. O prazo de declaração é até 30 de junho do ano seguinte.

Pergunta do utilizador: Qual a taxa de mais-valias imobiliárias?
Assistant: De acordo com o artigo 51.º do CIRS, as mais-valias imobiliárias são tributadas à taxa de 28%, salvo opção pelo englobamento. O prazo de declaração é até 30 de junho do ano seguinte. Para efeitos legais, considere o texto oficial do diploma mencionado.

Training

Trained with VibeThinker Spectrum-to-Signal methodology:

1. CPT: Corpus pre-training with disclaimer variants (10 phrasings)
2. Pass 1 Broad: 70% easy queries → JSON translation
3. Pass 1 Hard: 30% multi-article/rare-code queries
4. Pass 2: Response polishing with disclaimer baking

Data: 16,522 training items from a 24,845-entry Portuguese tax triple dataset.

Files