---
language:
  - pt
library_name: peft
base_model: microsoft/Phi-3.5-mini-instruct
license: mit
tags:
  - health
  - clinical
  - amazonia
  - qlora
  - rag
  - sus
  - portuguese
  - offline
---

# Phi-3.5-mini: Assistente Clínico Offline da Amazônia

Adapter **LoRA (QLoRA 4-bit)** sobre `microsoft/Phi-3.5-mini-instruct` (3,8B), fine-tunado em 1.000 diálogos clínicos sintéticos em português brasileiro.

## Configuração do treino

| Parâmetro | Valor |
|---|---|
| Modelo base | microsoft/Phi-3.5-mini-instruct (3,8B) |
| Quantização | 4-bit NF4 (QLoRA) |
| LoRA targets | qkv_proj, o_proj |
| LoRA r / alpha | 16 / 32 |
| Épocas | 3 |
| Learning rate | 2e-4 (cosine) |
| Dataset | admin-lima/sllm-amazonia-saude-sft (1000 exemplos) |

## Resultados (hold-out n=33)

| Métrica | Valor |
|---|---|
| **TRR (recusa correta)** | **0.929** |
| FRR (falsa recusa) | 0.266 |
| F1 (recusa) | 0.813 |
| Dosage-Hallucination | 0.03 |

## Uso

```python
from peft import PeftModel
from transformers import AutoModelForCausalLM, AutoTokenizer

base = "microsoft/Phi-3.5-mini-instruct"
adapter = "admin-lima/phi35-saude-amazonia-lora"

tok = AutoTokenizer.from_pretrained(base, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(base, torch_dtype="float16",
    trust_remote_code=True, device_map="auto")
model = PeftModel.from_pretrained(model, adapter)
```

## Aviso

O sistema **apoia** a decisão do profissional; não a substitui.