Update README.md

README.md

@@ -10,70 +10,73 @@ datasets:
 metrics:
 - accuracy
 ---
-# 🧠 WNL468M — Modelo de Raciocínio Lógico em Português para Ensino e Educação
+# 🧠 WNL468M — Modelo de Raciocínio Lógico em Português
 
-**WNL468M** é um modelo de linguagem com aproximadamente **468 milhões de parâmetros**, desenvolvido especialmente para tarefas de **raciocínio lógico** e compreensão em **português**, com foco em **ensino, educação e suporte acadêmico**. Este projeto foi inspirado e criado para um **projeto acadêmico** de destaque em uma **feira de ciências**, com o objetivo de contribuir para o avanço do ensino de inteligência artificial aplicada ao idioma português.
+**WNL468M** é um modelo de linguagem com aproximadamente **468 milhões de parâmetros**, desenvolvido especialmente para tarefas de **raciocínio lógico** e compreensão em **português**, com foco em **ensino, educação e suporte acadêmico**. O projeto nasceu inicialmente como um trabalho acadêmico para uma feira de ciências, simbolizando o poder da IA na educação em língua portuguesa.
+
+---
 
 ## ✨ Origem do Nome
 
-**WNL** é uma homenagem a três colegas que foram a inspiração inicial para o projeto:
+**WNL** é uma homenagem a três pessoas que inspiraram o projeto:
 
 - **W** — Weia  
 - **N** — Náuria  
 - **L** — Leonilda  
 
-Embora elas não participem diretamente, seus nomes simbolizam a motivação que deu origem ao desenvolvimento do modelo.
-
-## 👥 Equipe Fundadora
-
-- Marius Jabami (Λ) – Desenvolvedor principal, integração com modelo, lógica central e liderança técnica
-
-- Ilson Lopes – Apoio geral ao desenvolvimento e testes técnicos
-
-- Délcio Pro – Interface visual (Kivy), processamento de texto, usabilidade
-
-- José Bukete – Lógica do chat em Kivy, controle de eventos e exibição de mensagens
-
-- Fernando Queta – Integração com modelo Transformers, geração de respostas
+Embora não participem diretamente, seus nomes representam a motivação inicial do modelo.
 
-- Inácio Oicani – Histórico de conversa, normalização de texto, refinamento de UI/UX
-
-- Daniel Raimundo – Estilo visual, fontes, cores, animações e experiência do usuário
+---
 
-- Celsio Simplício – Testes, simulações, depuração e melhoria de desempenho
+## 👥 Equipe Fundadora
 
-- Arsênio Afonso – Suporte em testes e revisão técnica
+Desenvolvido sob a liderança de [Marius Jabami](https://github.com/mariusjabami), agora parte da **λχ Corp.**, contando com a colaboração valiosa de:
 
-- Cristiano Jomba – Testes diversos, análise de comportamento do chatbot
+- Ilson Lopes — Apoio geral ao desenvolvimento e testes técnicos
+- Délcio Pro — Interface visual (Kivy), processamento de texto, usabilidade
+- José Bukete — Lógica do chat em Kivy, controle de eventos e exibição de mensagens
+- Fernando Queta — Integração com modelo Transformers, geração de respostas
+- Inácio Oicani — Histórico de conversa, normalização de texto, refinamento de UI/UX
+- Daniel Raimundo — Estilo visual, fontes, cores, animações e experiência do usuário
+- Celsio Simplício — Testes, simulações, depuração e melhoria de desempenho
+- Arsênio Afonso — Suporte em testes e revisão técnica
+- Cristiano Jomba — Testes diversos, análise de comportamento do chatbot
 
+---
 
 ## 🧩 Dataset Utilizado
 
-O modelo foi finamente ajustado utilizando o dataset:
+O modelo foi treinado utilizando o dataset:
 
 📚 [`cnmoro/LogicReasoningEnglishPortuguese`](https://huggingface.co/datasets/cnmoro/LogicReasoningEnglishPortuguese)
 
-Este conjunto bilíngue contém pares de perguntas e respostas que exigem **raciocínio lógico**, proporcionando uma base robusta para treinar o modelo em tarefas de compreensão, dedução e resposta estruturada, essenciais para aplicações educacionais.
+Um conjunto bilíngue com pares de perguntas e respostas que exigem **raciocínio lógico**, oferecendo uma base sólida para o desenvolvimento de capacidades de dedução e compreensão.
 
-## 🔍 Informações Técnicas Detalhadas
+---
+
+## 🔍 Informações Técnicas
 
 - **Parâmetros:** ~468 milhões  
-- **Arquitetura Base:** Adaptada do LLaMA, conhecida pela eficiência em tarefas de linguagem natural  
-- **Tokenizador:** SentencePiece (formato LLaMA)  
-- **Método de Treinamento:** Fine-tuning com LoRA, seguido de mesclagem dos pesos para otimização  
+- **Arquitetura Base:** Adaptada do LLaMA, reconhecida pela eficiência em NLP  
+- **Tokenizador:** SentencePiece (LLaMA-style)  
+- **Treinamento:** Fine-tuning com LoRA, seguido de merge dos pesos para otimização  
 - **Framework:** PyTorch com Hugging Face Transformers  
-- **Tipo de Modelo:** Causal Language Model (modelo generativo para texto)  
-- **Idiomas:** Português (principal), com suporte a dados em inglês do dataset bilíngue  
-- **Uso:** Aplicações educacionais, chatbots acadêmicos, ferramentas de ensino e suporte ao raciocínio lógico  
+- **Tipo de Modelo:** Causal Language Model (geração de texto)  
+- **Idiomas:** Português (principal), com dados auxiliares em inglês  
+- **Uso Principal:** Educação, chatbots acadêmicos, ensino de lógica
+
+---
 
 ## 🎯 Propósito e Aplicações
 
-O **WNL468M** foi desenvolvido com foco pedagógico, visando:
+O **WNL468M** foi criado com a missão de:
 
-- Facilitar o aprendizado e o ensino de lógica e raciocínio no idioma português  
-- Servir como base para projetos acadêmicos e feiras de ciências, mostrando a viabilidade de modelos customizados para educação  
-- Criar ferramentas interativas que ajudem estudantes e educadores a explorarem conceitos complexos de forma acessível e inteligente  
-- Demonstrar que projetos de IA podem ser desenvolvidos colaborativamente em ambientes educacionais  
+- Tornar o aprendizado de lógica e raciocínio mais acessível em português
+- Ser exemplo de projeto educacional inovador em feiras de ciências
+- Ajudar estudantes e professores a explorar conceitos complexos com IA
+- Demonstrar o potencial colaborativo da inteligência artificial na educação
+
+---
 
 ## 💻 Como Usar o Modelo
 
@@ -81,7 +84,7 @@ O **WNL468M** foi desenvolvido com foco pedagógico, visando:
 from transformers import AutoTokenizer, AutoModelForCausalLM, TextStreamer
 import torch
 
-repo_id = "lambdaindie/WNL468M"
+repo_id = "lxcorp/WNL468M"
 
 tokenizer = AutoTokenizer.from_pretrained(repo_id)
 model = AutoModelForCausalLM.from_pretrained(repo_id, device_map="auto", torch_dtype=torch.float16)
@@ -94,41 +97,50 @@ while True:
     inputs = tokenizer(prompt, return_tensors="pt").to(model.device)
     _ = model.generate(**inputs, max_new_tokens=100, streamer=streamer)
 
-```
+
+---
 
 🚀 Próximos Passos
 
-Ampliação do dataset com mais exemplos em português
+Ampliar o dataset com mais exemplos em português
 
-Desenvolvimento de versões maiores com foco em domínio acadêmico específico
+Desenvolver variantes maiores para áreas acadêmicas específicas
 
-Integração com plataformas educacionais para testes reais em sala de aula
+Integrar o modelo a plataformas educacionais e testar em ambientes reais
 
 
 
 ---
 
-Criado com dedicação, conhecimento e fé no futuro da educação.
-Equipe fundadora empenhada em transformar aprendizado através da inteligência artificial.
+🔒 Licença
 
----
+Este modelo está licenciado sob:
 
-## 🔒 Licença
+CC BY-NC-ND 4.0 (Creative Commons Attribution-NonCommercial-NoDerivatives 4.0)
 
-Este modelo está licenciado sob:
+Você pode:
+
+Compartilhar — copiar e redistribuir o material em qualquer meio ou formato
 
-**[CC BY-NC-ND 4.0 (Creative Commons Attribution-NonCommercial-NoDerivatives 4.0)](https://creativecommons.org/licenses/by-nc-nd/4.0/deed.pt)**
 
-Você é livre para:
+Sob as condições:
+
+Atribuição — Deve creditar os autores (ver seção "Equipe Fundadora")
+
+Não Comercial — Não pode usar para fins comerciais
+
+Sem Derivações — Não pode remixar ou transformar o material
+
+
+Este modelo é exclusivamente para fins acadêmicos e educacionais.
+
+
+---
 
-- Compartilhar — copiar e redistribuir o material em qualquer meio ou formato
+> Criado com dedicação, conhecimento e fé no futuro da educação.
+λχ Corp. — Código com alma. Máquinas com visão.
 
-Desde que siga os termos:
 
-- **Atribuição** — Deve creditar os autores (ver seção "Equipe Fundadora").
-- **Não Comercial** — Não pode usar o material para fins comerciais.
-- **Sem Derivações** — Não pode remixar, transformar ou criar a partir do material.
 
-Este modelo é exclusivo para fins **acadêmicos e educacionais**.
 
 ---