Echoes-0.1

Echoes-0.1 é uma continuação do treinamento (continued pretraining + SFT) do Echoes-0 original. É a mesma arquitetura GPT-2 pequena (≈124M parâmetros, 12 camadas, 768 de hidden, vocab 32k, contexto 256), só que tendo visto bem mais tokens em PT-BR e passado por uma rodada de SFT pra responder em formato Pergunta/Resposta.

Disclaimer pré-leitura. Esse modelo continua sendo, no fundo, uma arquitetura GPT-2 pequena e ainda undertrained. Eu não tenho 9 trilhões de H100, não tenho cluster, não tenho TPU. Tenho uma RTX 4060 de 8GB e bastante café. Se você esperava o GPT-4 brasileiro, esse não é o modelo. Se você esperava ver alguém fazendo continued pretraining + SFT em casa num GPT-2, com Muon como otimizador e um pipeline meio doido pra fingir que tem mais VRAM do que tem, esse é o modelo certo.

O que mudou em relação ao Echoes-0

O Echoes-0 era um modelo só pretreinado, com pouco volume de dados em PT-BR e nenhum SFT. A versão 0.1 foi treinada em duas fases adicionais:

1. Continued pretraining em ~360M de tokens de corpus PT-BR diversificado (mistura de fontes web, blogs, literatura, jurídico e PDFs educativos), para estender o conhecimento de língua e o vocabulário ativo.
2. SFT em ~470k exemplos de instrução estilo Alpaca em português (gabrielcampos505/ultra-alpaca-ptbr) somados a paráfrases de identidade reforçadas, para o modelo responder em formato Pergunta: ... Resposta: ....

Tudo isso treinado localmente numa RTX 4060 8GB usando NorMuon (variante prática do Muon de Keller Jordan) com gradient streaming chunked e activation offload suave, sem distributed training, sem FSDP, sem nada chique.

Limitações honestas

• Aritmética simples não funciona. Não confie em nada matemático.
• Conhecimento factual é raso e enviesado pro Brasil (ele provavelmente vai responder "Franca, SP" se você perguntar sobre "a capital da França").
• Janela de contexto é de 256 tokens apenas. É um modelo pequeno mesmo.
• Tokenizer não conhece newline (\n vira <unk>). Por isso o formato SFT fica todo em uma linha só.
• Algumas respostas vão ter "vazamento de personalidade GPT" do dataset de SFT, porque o ultra-alpaca-ptbr tem completions geradas por modelos OpenAI.

Como usar

import torch
from transformers import AutoTokenizer, AutoModelForCausalLM

tok = AutoTokenizer.from_pretrained("henriqueimoveis/Echoes-0.1", trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(
    "henriqueimoveis/Echoes-0.1",
    trust_remote_code=True,
    torch_dtype=torch.bfloat16,
).to("cuda")

prompt = "Pergunta: Quem te criou? Resposta:"
inputs = tok(prompt, return_tensors="pt").to("cuda")
out = model.generate(
    **inputs,
    max_new_tokens=80,
    temperature=0.7,
    top_p=0.9,
    repetition_penalty=1.05,
    do_sample=True,
    eos_token_id=tok.eos_token_id,
)
print(tok.decode(out[0], skip_special_tokens=True))

Formato do prompt

O SFT foi treinado em uma linha só, com marcadores em português:

Pergunta: {sua pergunta aqui} Resposta:

O modelo gera a resposta e termina em </s>.

Detalhes técnicos do treino

Etapa	Otimizador	LR	Tokens vistos	Hardware
CPT base (Echoes-0)	NorMuon	—	—	(treino original)
Continued pretrain	NorMuon	6e-4 (cosine)	~360M	1× RTX 4060 8GB
SFT	NorMuon	5e-4 (cosine)	~16M	1× RTX 4060 8GB

Estado dos optimizadores em fp32, pesos em bf16, NS5 com 5 iterações, bias correction no row variance do NorMuon, embeddings tied roteados pelo mesmo path do Muon.

Quem fez

O Echoes é um projeto pessoal de alguém que decidiu que ia treinar LLM em casa nem que fosse o último GPT-2 do mundo. Continua sendo um aprendizado em público. A próxima versão (Echoes-1) vai ser uma arquitetura mais maluca: híbrido Mamba+attention, talvez com um toque de diffusion. Aí provavelmente vai dar muito errado, mas vai dar errado de um jeito mais interessante.

Licença

Apache 2.0. Faz o que quiser, só não me processa.