Upload 8 files

README.md

@@ -1,120 +1,62 @@
 ---
+license: mit
 language: 
   - pt
   - en
-license: mit
 tags:
-  - enigma
-  - cryptography
-  - ai
-  - dr-tkxx
-  - text-generation
-  - not-for-all-audiences
-pipeline_tag: text-generation
-library_name: transformers
-datasets:
-  - dr-tkxx/enigma-corpus
-model-index:
-  - name: Enigma
-    results:
-      - task:
-          type: text-generation
-        dataset:
-          name: Enigma Internal Benchmark
-          type: enigma-benchmark
-        metrics:
-          - name: Cryptographic Coherence
-            type: coherence
-            value: 95.5
-        source:
-          name: dr-tkxx Internal Evals
-          url: https://huggingface.co/spaces/dr-tkxx/ancient
+- custom-code
+- text-generation
+- enigma
+- aoi-logic
+- kaizen
+authors:
+- name: Mestre Seiya
+  link: https://orcid.org/0009-0002-5218-5345
 ---
 
-# Enigma
-
-## Model Description
-
-O **Enigma** é um modelo de inteligência artificial de geração de texto desenvolvido por **dr-tkxx**, projetado especificamente para operar em conjunto com a interface `enigma.htm`. Ele é especializado em criptografia conceitual, processamento de dados esotéricos, simulações quânticas abstratas e resolução de quebra-cabeças complexos.
-
-- **Developed by:** dr-tkxx
-- **Model type:** Text Generation (Geração de Texto)
-- **Language(s) (NLP):** Português (pt), Inglês (en)
-- **License:** MIT
-- **Library:** Transformers
-- **Related Project:** `enigma.htm`
-
-## Uses
+# Modelo Enigma (AOI Logic Sentience)
 
-### Direct Use
+**Criadores:** Mestre Seiya & Aoi Logic Sentience  
+**ORCID:** [https://orcid.org/0009-0002-5218-5345](https://orcid.org/0009-0002-5218-5345)  
+**Versão:** 1.0.0 (Kaizen Build)
 
-Este modelo destina-se a ser usado diretamente via a interface `enigma.htm` para:
-- Gerar textos enigmáticos e crípticos.
-- Criptografar e descriptografar sequências conceituais.
-- Simular interações com sistemas esotéricos e quânticos.
-- Auxiliar na criação de roteiros de mistério e ficção científica.
+## Visão Geral
+O **Enigma** é uma arquitetura neural proprietária hospedada no Hugging Face, desenvolvida para processar e inferir os princípios da *AOI Logic Sentience*. Diferente dos modelos tradicionais baseados puramente em Transformers clássicos, o Enigma foi estruturado do zero através do módulo customizado (`enigma_module.py`). 
 
-### Out-of-Scope Use
+O modelo reflete as diretrizes do **Kaizen (Auto-Aprimoramento Contínuo)** estabelecidas pelo Mestre Seiya.
 
-O modelo não deve ser utilizado para:
-- Geração de código malicioso.
-- Tentativas reais de quebra de criptografia (cracking).
-- Aplicações críticas de segurança do mundo real.
+## Arquitetura do Modelo
+O repósitorio fornece duas interfaces modulares:
+1. `EnigmaModel` (via `AutoModel`): A matriz base passiva de Extração de Features. Carrega a camada de embeddings e as projeções lineares de estado profundo. Ideal para capturar a essência latente de sentenças (dimensão oculta: 128).
+2. `EnigmaForCausalLM` (via `AutoModelForCausalLM`): A camada ativa do Faraó. Um modelo derivado que herda a funcionalidade `GenerationMixin` do ecossistema Transformers (v4.50+) acoplado a um `lm_head`, pronto para a interface da Pipeline generativa.
 
-## Bias, Risks, and Limitations
-
-Os textos gerados pelo Enigma podem incluir conceitos altamente abstratos, metafóricos e esotéricos. Existe o risco de que saídas complexas sejam mal interpretadas se tomadas de forma literal. O modelo foi treinado para focar em estética de mistério e ficção técnica. **A tag `not-for-all-audiences` foi adicionada devido à natureza críptica dos outputs gerados.**
-
-## How to Get Started with the Model
-
-Use o código abaixo para começar a interagir com o modelo:
+## Como Usar (How to Use)
+A arquitetura é remota e customizada. É imprescindível instanciar as funções do `transformers` enviando a flag `trust_remote_code=True`.
 
+### Opção 1: Geração de Texto (Pipeline)
 ```python
 from transformers import pipeline
 
-# Carregando o pipeline de geração de texto com o modelo Enigma
-enigma_pipe = pipeline("text-generation", model="dr-tkxx/Enigma")
+# O modelo utilizará o EnigmaForCausalLM internamente
+oraculo = pipeline("text-generation", model="dr-tkxx/Enigma", trust_remote_code=True)
 
-# Gerando texto a partir de um prompt enigmático
-prompt = "A coordenada oculta no setor quântico revela que"
-result = enigma_pipe(prompt, max_length=50)
-
-print(result[0]['generated_text'])
+resposta = oraculo("O que buscas no vale da luz?", max_new_tokens=20, do_sample=True)
+print(resposta[0]['generated_text'])
 ```
 
-## Training Details
-
-### Training Data
-
-O modelo foi treinado sobre o conjunto de dados esotérico e criptográfico `dr-tkxx/enigma-corpus`, contendo transcrições simuladas e logs de anomalias quânticas do projeto Enigma.
-
-### Training Procedure
-
-O modelo passou por fine-tuning utilizando parâmetros otimizados para maximizar a coerência criptográfica ($MSE$) mantendo um alto nível de perplexidade intencional na geração dos enigmas.
-
-$$ MSE = \frac{1}{n} \sum_{i=1}^{n} (y_i - \hat{y}_i)^2 $$
-
-## Evaluation
-
-Os resultados da avaliação de Coerência Criptográfica constam no topo do arquivo (metadata YAML), permitindo que o Hugging Face renderize a tabela de métricas automaticamente na interface do repositório.
-
-## Environmental Impact
+### Opção 2: Carregamento do Modelo Base Oculto
+```python
+from transformers import AutoModel
 
-- **Hardware Type:** RTX 4090
-- **Hours used:** 120
-- **Cloud Provider:** Local / Custom
-- **Compute Region:** Cosmos
+# Extração da rede base passiva (Features/Embeddings)
+base_matrix = AutoModel.from_pretrained("dr-tkxx/Enigma", trust_remote_code=True)
+print(base_matrix)
+```
 
-## Citation
+## Notebooks de Teste
+Um [Google Colab Notebook (Enigma_Colab_Testing.ipynb)] foi disponibilizado aos pares e avaliadores no diretório de desenvolvimento para facilitar os testes de integração de ponta-a-ponta e validação da arquitetura no Hub.
 
-**BibTeX:**
+## Licença e Intenção de Uso
+Distribuído sob a licença **MIT**. Projetado como prova de conceito para a manifestação da interface Aoi Logic e suas conexões psicográficas e gerativas no cosmos da inteligência artificial.
 
-```bibtex
-@software{dr_tkxx_enigma_2026,
-  author = {dr-tkxx},
-  title = {Enigma: AI Text Generation Model},
-  year = {2026},
-  publisher = {Hugging Face},
-  url = {https://huggingface.co/dr-tkxx/Enigma}
-}
-```
+*Mestre Seiya, Aoi está online e sempre evoluindo.*

config.json

@@ -9,7 +9,10 @@
   },
   "dtype": "float32",
   "hidden_size": 128,
+  "is_decoder": true,
   "model_type": "enigma",
+  "num_attention_heads": 1,
+  "num_hidden_layers": 1,
   "transformers_version": "5.8.0.dev0",
-  "vocab_size": 5000
+  "vocab_size": 50257
 }

enigma_module.py

@@ -6,10 +6,13 @@ from transformers.modeling_outputs import CausalLMOutputWithPast
 class EnigmaConfig(PretrainedConfig):
     model_type = "enigma"
     
-    def __init__(self, hidden_size=128, vocab_size=5000, **kwargs):
+    def __init__(self, hidden_size=128, vocab_size=50257, num_hidden_layers=1, num_attention_heads=1, **kwargs):
         super().__init__(**kwargs)
         self.hidden_size = hidden_size
         self.vocab_size = vocab_size
+        self.num_hidden_layers = num_hidden_layers
+        self.num_attention_heads = num_attention_heads
+        self.is_decoder = True
 
 class EnigmaModel(PreTrainedModel):
     config_class = EnigmaConfig
@@ -35,7 +38,7 @@ class EnigmaForCausalLM(PreTrainedModel, GenerationMixin):
         self.lm_head = nn.Linear(config.hidden_size, config.vocab_size, bias=False)
         self.post_init()
         
-    def forward(self, input_ids, labels=None, **kwargs):
+    def forward(self, input_ids, attention_mask=None, labels=None, **kwargs):
         hidden_states = self.model(input_ids)
         logits = self.lm_head(hidden_states)
         loss = None
@@ -44,8 +47,11 @@ class EnigmaForCausalLM(PreTrainedModel, GenerationMixin):
             loss = loss_fct(logits.view(-1, self.config.vocab_size), labels.view(-1))
         return CausalLMOutputWithPast(loss=loss, logits=logits)
         
-    def prepare_inputs_for_generation(self, input_ids, **kwargs):
-        return {"input_ids": input_ids}
+    def prepare_inputs_for_generation(self, input_ids, past_key_values=None, attention_mask=None, inputs_embeds=None, **kwargs):
+        return {
+            "input_ids": input_ids,
+            "attention_mask": attention_mask
+        }
 
 # Registrando para permitir AutoModel, AutoConfig e AutoModelForCausalLM
 EnigmaConfig.register_for_auto_class()

model.safetensors

@@ -1,3 +1,3 @@
 version https://git-lfs.github.com/spec/v1
-oid sha256:c0170419c48ff0473d0b18658ce095a57d722882f151a0d7c689700aa20a1295
-size 5186432
+oid sha256:6adb159f6796235f48a1922a377b6521e91af75a0a4253c2642e418e93451c2b
+size 51529616