lucas-mella
/

Daimon-R

@@ -1,119 +1,115 @@
----
-license: apache-2.0
-base_model: Qwen/Qwen3-4B-Instruct-2507
-language:
-- es
-- en
-tags:
-- daimon
-- lora
-- tool-calling
-- code
-- spanish
-library_name: gguf
----
-> ## ⚠️ En actualización — nueva versión en camino
->
-> Estamos **corrigiendo y republicando** estos pesos. La versión anterior tenía una
-> regresión en *tool-calling* (el mix de entrenamiento sobre-pesó el español y diluyó
-> el núcleo). Ya está entrenado el reemplazo, con el mix rebalanceado y un **gate
-> anti-regresión** que compara contra el modelo base antes de publicar.
->
-> **No uses estos pesos para nada serio hasta que saquemos este cartel.**
->
-> *We are fixing and republishing these weights. Do not rely on them until this notice is removed.*
----
-<div align="center">
-<img src="https://huggingface.co/lucas-mella/Daimon-R/resolve/main/daimon-orb.png" width="92" alt="Daimon"/><br/>
-<img src="https://huggingface.co/lucas-mella/Daimon-R/resolve/main/daimon-palabra.png" width="150" alt="daimon"/>&nbsp;&nbsp;<b style="font-size:1.7em;vertical-align:middle">r</b>
-</div>
----
-## 🇪🇸 Español
-**daimon r** es el modelo **razonador de 4B** (fine-tune LoRA de `Qwen3-4B-Instruct-2507`), el hermano mayor de `daimon x`: mismo asistente de **código, agente (tool-calling) y conversación**, con foco en **español nativo**, pero con más capacidad de razonamiento.
-> Forma parte del proyecto **Daimon** — *próximamente / coming soon*.
-### 🧠 Con qué se entrenó
-Fine-tune **LoRA (QLoRA 4-bit)** sobre el mismo mix curado que `daimon x`, pesado hacia el núcleo de Daimon (tool-calling / agente):
-- **Tool-calling / agente** — xLAM, ToolACE, Hermes-FC, **Toucan** (trayectorias multi-turno reales de +495 servidores MCP)
-- **Código** — evol-codealpaca, OpenCodeReasoning, glaive
-- **Razonamiento** — OpenThoughts, **OpenR1-Math** (con respuestas verificadas)
-- **Español nativo** — **BSC-LT m-personas**, **projecte-aina MentorES**, **aya** (nativo, no traducido)
-- **In-house** — acciones de agente + identidad de Daimon
-### 📊 Benchmarks
-| Base | Ejemplos | train_loss | eval_loss |
-|---|---|---|---|
-| Qwen3-4B-Instruct-2507 | 4.979 | 0.762 | **0.633** |
-`eval_loss < train_loss`, y notablemente más bajo que `daimon x` (0.633 vs 0.868) → el 4B aprende mejor.
-### 💻 Requisitos de hardware
-| Recurso | Mínimo | Recomendado |
-|---|---|---|
-| Disco (GGUF Q4_K_M + LoRA) | ~2.5 GB | ~2.5 GB |
-| RAM | 8 GB | 16 GB |
-| GPU | opcional (corre en CPU, más lento) | ≥ 4 GB VRAM (ej. GTX 1650) |
-Más pesado que `daimon x` por ser 4B, pero la cuantización **Q4_K_M** lo hace correr en GPUs modestas.
-### ⬇️ Descargar (opcional — solo si querés usarlo)
-```bash
-huggingface-cli download lucas-mella/Daimon-R
-# correr con llama.cpp (base GGUF + adapter LoRA):
-llama-server --model Qwen3-4B-Instruct-2507-Q4_K_M.gguf \
-             --lora daimon-r-lora-f16.gguf --alias daimon-r
-```
----
-## 🇬🇧 English
-**daimon r** is the **4B reasoning** model (LoRA fine-tune of `Qwen3-4B-Instruct-2507`), the big sibling of `daimon x`: the same **code, agentic tool-calling and conversation** assistant with a focus on **native Spanish**, but with stronger reasoning.
-> Part of the **Daimon** project — *coming soon*.
-### 🧠 Training
-**LoRA (4-bit QLoRA)** fine-tune on the same curated mix as `daimon x`, weighted toward Daimon's tool-calling/agent core:
-- **Tool-calling / agent** — xLAM, ToolACE, Hermes-FC, **Toucan** (real multi-turn trajectories from 495+ MCP servers)
-- **Code** — evol-codealpaca, OpenCodeReasoning, glaive
-- **Reasoning** — OpenThoughts, **OpenR1-Math** (verified answers)
-- **Native Spanish** — **BSC-LT m-personas**, **projecte-aina MentorES**, **aya** (native, not translated)
-- **In-house** — Daimon agent-actions + identity
-### 📊 Benchmarks
-| Base | Examples | train_loss | eval_loss |
-|---|---|---|---|
-| Qwen3-4B-Instruct-2507 | 4,979 | 0.762 | **0.633** |
-`eval_loss < train_loss`, and notably lower than `daimon x` (0.633 vs 0.868) → the 4B learns better.
-### 💻 Hardware requirements
-| Resource | Minimum | Recommended |
-|---|---|---|
-| Disk (Q4_K_M GGUF + LoRA) | ~2.5 GB | ~2.5 GB |
-| RAM | 8 GB | 16 GB |
-| GPU | optional (CPU works, slower) | ≥ 4 GB VRAM (e.g. GTX 1650) |
-Heavier than `daimon x` (it's 4B), but **Q4_K_M** quantization lets it run on modest GPUs.
-### ⬇️ Download (optional)
-```bash
-huggingface-cli download lucas-mella/Daimon-R
-# run with llama.cpp (base GGUF + LoRA adapter):
-llama-server --model Qwen3-4B-Instruct-2507-Q4_K_M.gguf \
-             --lora daimon-r-lora-f16.gguf --alias daimon-r
-```
----
-<sub>Base: Qwen3-4B-Instruct-2507 (Apache-2.0). LoRA + mix: proyecto Daimon.</sub>

+---
+license: apache-2.0
+base_model: Qwen/Qwen3-4B-Instruct-2507
+language:
+- es
+- en
+tags:
+- daimon
+- lora
+- tool-calling
+- agent
+- code
+- spanish
+library_name: gguf
+---
+<div align="center">
+<img src="https://huggingface.co/lucas-mella/Daimon-R/resolve/main/daimon-R.png" width="220" alt="daimon r"/>
+</div>
+---
+## 🇪🇸 Español
+**daimon r** es el cerebro razonador (4B) de **Daimon**, un asistente personal local-first:
+corre en tu máquina, no en la nube. Fine-tune **LoRA** de `Qwen/Qwen3-4B-Instruct-2507` para el núcleo
+de Daimon: **acciones de agente (tool-calling JSON), código y conversación en español nativo**.
+### 📊 Benchmark (medido, reproducible)
+<div align="center">
+<img src="https://huggingface.co/lucas-mella/Daimon-R/resolve/main/daimon-r-benchmarks-light.png" width="640" alt="benchmark daimon r vs base"/>
+</div>
+| Métrica (198 casos held-out) | Base Qwen3-4B-Instruct-2507 | **daimon r** | |
+|---|---|---|---|
+| JSON válido / valid JSON | 100.0% | **100.0%** | ➖ empata |
+| Acción correcta / correct action | 75.3% | **94.9%** | ✅ gana |
+| Acción + campos correctos / correct fields | 47.5% | **94.9%** | ✅ gana |
+*Benchmark objetivo y reproducible: 198 escenarios sintéticos held-out (vocabulario
+disjunto del entrenamiento, cero solapamiento textual), calificados determinísticamente —
+JSON parseable, acción esperada, campos correctos (`ref`/`path`/`command`/…). Sin juez LLM.
+Medido sobre estos GGUF exactos servidos con llama.cpp. Script:
+[`agent_actions_eval.py`](https://github.com/lucasmella-stack/daimon) — los JSONs de
+resultados se generan antes de cada publicación.*
+### 🧠 Con qué se entrenó (por contribución)
+- **Acciones de agente (in-house, sintético)** — escenarios browser/computer/code con el
+  esquema JSON exacto de producción de Daimon (`{"thought": …, "action": "click", "ref": …}`),
+  generados por construcción (la respuesta correcta se conoce con certeza, sin teacher API).
+  Es lo que mueve las tres métricas de arriba.
+- **Comportamiento e identidad Daimon (in-house)** — 231 seeds: persona en primera persona,
+  honestidad ante lo que no sabe, registro rioplatense conciso, convención de canvas HTML.
+- El **código, el razonamiento y el multilingüe** vienen del modelo base (por eso el LoRA es
+  chico y el nivel de código se mantiene intacto). Probamos también mezclas grandes con
+  datasets públicos (xLAM, ToolACE, código, español nativo) y fine-tunes sobre el historial
+  real de commits — **ninguna de esas variantes le ganó a esta en el gate, así que no se
+  publicaron**. Solo publicamos lo que gana una comparación pre-registrada contra el base.
+### 💻 Requisitos de hardware
+| Recurso | Requisito |
+|---|---|
+| Disco | ~2.6 GB (base GGUF + LoRA) |
+| RAM | 8 GB mínimo |
+| GPU / memoria unificada | ≥ 4 GB VRAM (ej. GTX 1650) o Apple Silicon ≥ 8 GB de memoria unificada |
+### ✅ Probalo vos mismo (verificable)
+```bash
+huggingface-cli download lucas-mella/Daimon-R --local-dir ./daimon
+llama-server -m ./daimon/Qwen3-4B-Instruct-2507-Q4_K_M.gguf --lora ./daimon/daimon-r-lora-f16.gguf -c 4096
+```
+Después probá una acción de agente (el núcleo de lo que se entrenó — este es un caso
+real del set de evaluación, verificado contra estos pesos exactos antes de publicar):
+```bash
+curl -s http://127.0.0.1:8080/v1/chat/completions -H "Content-Type: application/json" -d '{
+  "temperature": 0,
+  "messages": [
+    {"role": "system", "content": "Sos el navegador autónomo de Daimon. En cada paso recibís el objetivo, la página actual (elementos interactivos con su ref + texto visible) y el historial. Respondé SOLO con un objeto JSON de esta forma:\n{\"thought\":\"...\",\"action\":\"navigate|click|fill|scroll|back|done\",\"ref\":<n>,\"text\":\"...\",\"url\":\"...\"}"},
+    {"role": "user", "content": "Objetivo: poné 'gatos' en 'Email'\n\nURL: https://un-sitio-de-noticias.test/\nTítulo: Un Sitio De Noticias\nElementos:\n  [0] input \"Nombre\"\n  [1] input \"Email\"\nTexto:\nun sitio de noticias\n\nHistorial: (vacío)\n\nPróxima acción (JSON):"}
+  ]
+}'
+```
+Respuesta esperada (un único objeto JSON, sin prosa alrededor):
+`{"thought": "…", "action": "fill", "ref": 1, "text": "gatos"}`
+SHA-256 del LoRA publicado: `77fd6ad400b691ea391d70a7f9c0ddfb50ace1f882b9dac7f4b01b11e5fb7ae6`.
+---
+## 🇬🇧 English
+**daimon r** is the 4B reasoning brain of **Daimon**, a local-first personal AI assistant.
+LoRA fine-tune of `Qwen/Qwen3-4B-Instruct-2507` for Daimon's core: **agent actions (JSON tool-calling),
+code, and native-Spanish conversation**. Benchmark table above — measured on these exact
+GGUFs, deterministic grading, no LLM judge; losing dimensions are shown losing.
+Hardware: ~2.6 GB disk, 8 GB+ RAM, GPU optional — see the Spanish
+table (unified-memory Apple Silicon works via llama.cpp Metal).
+### Files
+- `Qwen3-4B-Instruct-2507-Q4_K_M.gguf` — base model (GGUF)
+- `daimon-r-lora-f16.gguf` — Daimon LoRA (apply with `--lora`)
+---
+<sub>Base: Qwen/Qwen3-4B-Instruct-2507 (Apache-2.0). LoRA + data mix: Daimon project — coming soon.
+Watch <a href="https://huggingface.co/lucas-mella">@lucas-mella</a>.</sub>