README.md

metadata

language:
  - pt
license: mit
library_name: transformers
pipeline_tag: fill-mask
tags:
  - cestari-studio
  - helium
  - test-model
  - bert

Cestari Studio — Helium Tiny (Teste)

Este repositório contém um modelo mínimo e leve (BERT tiny) com pesos aleatórios apenas para validar o fluxo de publicação e consumo de modelos no Hugging Face Hub.

O que isso é (e o que não é)

• É: um artefato válido no formato transformers (config + tokenizer + pesos) para você testar upload, versionamento e carregamento.
• Não é: um modelo treinado para produção.

Como usar (exemplo)

from transformers import AutoTokenizer, AutoModelForMaskedLM, pipeline

repo_id = "cestaristudio/he"  # ajuste se necessário
tok = AutoTokenizer.from_pretrained(repo_id)
model = AutoModelForMaskedLM.from_pretrained(repo_id)

pipe = pipeline("fill-mask", model=model, tokenizer=tok)
print(pipe("Cestari Studio é [MASK]."))

Estrutura de arquivos

• config.json — hiperparâmetros do modelo
• pytorch_model.bin — pesos (aleatórios) em PyTorch
• vocab.txt + tokenizer_config.json + special_tokens_map.json — tokenizer (WordPiece simples)

Próximos passos recomendados

1. Substituir pytorch_model.bin por pesos reais (treinados ou fine-tuned).
2. Atualizar o Model Card com:
   • objetivo do modelo,
   • dados (fontes e licenças),
   • métricas,
   • limitações e uso responsável.