Instructions to use raphaelfontes/Llama-3-8B-CONITEC-Extractor with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Libraries
PEFT
How to use raphaelfontes/Llama-3-8B-CONITEC-Extractor with PEFT:
```
Task type is invalid.
```

How to use raphaelfontes/Llama-3-8B-CONITEC-Extractor with Transformers:

# Use a pipeline as a high-level helper
from transformers import pipeline

pipe = pipeline("text-generation", model="raphaelfontes/Llama-3-8B-CONITEC-Extractor")
messages = [
    {"role": "user", "content": "Who are you?"},
]
pipe(messages)

# Load model directly
from transformers import AutoTokenizer, AutoModelForCausalLM

tokenizer = AutoTokenizer.from_pretrained("raphaelfontes/Llama-3-8B-CONITEC-Extractor")
model = AutoModelForCausalLM.from_pretrained("raphaelfontes/Llama-3-8B-CONITEC-Extractor")
messages = [
    {"role": "user", "content": "Who are you?"},
]
inputs = tokenizer.apply_chat_template(
	messages,
	add_generation_prompt=True,
	tokenize=True,
	return_dict=True,
	return_tensors="pt",
).to(model.device)

outputs = model.generate(**inputs, max_new_tokens=40)
print(tokenizer.decode(outputs[0][inputs["input_ids"].shape[-1]:]))

Notebooks
Google Colab
Kaggle
Local Apps

vLLM

How to use raphaelfontes/Llama-3-8B-CONITEC-Extractor with vLLM:

Install from pip and serve model

# Install vLLM from pip:
pip install vllm
# Start the vLLM server:
vllm serve "raphaelfontes/Llama-3-8B-CONITEC-Extractor"
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:8000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "raphaelfontes/Llama-3-8B-CONITEC-Extractor",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Use Docker

docker model run hf.co/raphaelfontes/Llama-3-8B-CONITEC-Extractor

SGLang

How to use raphaelfontes/Llama-3-8B-CONITEC-Extractor with SGLang:

Install from pip and serve model

# Install SGLang from pip:
pip install sglang
# Start the SGLang server:
python3 -m sglang.launch_server \
    --model-path "raphaelfontes/Llama-3-8B-CONITEC-Extractor" \
    --host 0.0.0.0 \
    --port 30000
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:30000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "raphaelfontes/Llama-3-8B-CONITEC-Extractor",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Use Docker images

docker run --gpus all \
    --shm-size 32g \
    -p 30000:30000 \
    -v ~/.cache/huggingface:/root/.cache/huggingface \
    --env "HF_TOKEN=<secret>" \
    --ipc=host \
    lmsysorg/sglang:latest \
    python3 -m sglang.launch_server \
        --model-path "raphaelfontes/Llama-3-8B-CONITEC-Extractor" \
        --host 0.0.0.0 \
        --port 30000
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:30000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "raphaelfontes/Llama-3-8B-CONITEC-Extractor",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Unsloth Studio new

How to use raphaelfontes/Llama-3-8B-CONITEC-Extractor with Unsloth Studio:

Install Unsloth Studio (macOS, Linux, WSL)

curl -fsSL https://unsloth.ai/install.sh | sh
# Run unsloth studio
unsloth studio -H 0.0.0.0 -p 8888
# Then open http://localhost:8888 in your browser
# Search for raphaelfontes/Llama-3-8B-CONITEC-Extractor to start chatting

Install Unsloth Studio (Windows)

irm https://unsloth.ai/install.ps1 | iex
# Run unsloth studio
unsloth studio -H 0.0.0.0 -p 8888
# Then open http://localhost:8888 in your browser
# Search for raphaelfontes/Llama-3-8B-CONITEC-Extractor to start chatting

Using HuggingFace Spaces for Unsloth

# No setup required
# Open https://huggingface.co/spaces/unsloth/studio in your browser
# Search for raphaelfontes/Llama-3-8B-CONITEC-Extractor to start chatting

Load model with FastModel

pip install unsloth
from unsloth import FastModel
model, tokenizer = FastModel.from_pretrained(
    model_name="raphaelfontes/Llama-3-8B-CONITEC-Extractor",
    max_seq_length=2048,
)

Docker Model Runner
How to use raphaelfontes/Llama-3-8B-CONITEC-Extractor with Docker Model Runner:
```
docker model run hf.co/raphaelfontes/Llama-3-8B-CONITEC-Extractor
```

Llama-3-8B-CONITEC-Extractor / README.md

raphaelfontes

Update README.md

06d0c34 verified 5 days ago

preview code

raw

history blame contribute delete

4.66 kB

	---
	base_model: unsloth/llama-3-8b-Instruct-bnb-4bit
	library_name: peft
	tags:
	- text-generation-inference
	- transformers
	- unsloth
	- llama
	- llama-3
	- medical
	- pharmacoeconomics
	- json-extraction
	- conitec
	license: apache-2.0
	language:
	- pt
	pipeline_tag: text-generation
	inference:
	parameters:
	temperature: 0.0
	max_new_tokens: 512
	---

	# Llama 3 8B - Extrator JSON CONITEC

	[<img src="https://raw.githubusercontent.com/unslothai/unsloth/main/images/unsloth%20made%20with%20love.png" width="200"/>](https://github.com/unslothai/unsloth)

	## Visão Geral do Modelo
	- Licença: Apache-2.0
	- Modelo Base: `unsloth/llama-3-8b-Instruct-bnb-4bit`
	- Idioma principal: Português (pt-BR)

	Este modelo é um fine-tuning do Llama-3-8B-Instruct otimizado especificamente para Extração de Entidades Nomeadas (NER) e Informações Farmacoeconômicas em relatórios técnicos da CONITEC (Ministério da Saúde - Brasil). O modelo foi treinado de forma acelerada (2x mais rápido) utilizando a biblioteca [Unsloth](https://github.com/unslothai/unsloth) e a biblioteca TRL da Hugging Face.

	Ele atua como um extrator determinístico, recebendo contextos textuais fragmentados (chunks semânticos extraídos de PDFs) e estruturando dados financeiros e epidemiológicos em um payload JSON estrito.

	---

	## Arquitetura de Dados e Pipeline (Lakehouse)
	O modelo atua como o "motor de cognição" na camada Gold de um pipeline de dados orquestrado por Apache Airflow:
	1. Camada Bronze: Extração bruta dos PDFs dos relatórios da CONITEC no S3.
	2. Camada Silver: Conversão para Markdown, processamento espacial/geométrico das páginas (via PyMuPDF) e roteamento semântico (busca híbrida via Regex + Similaridade de Cosseno com TF-IDF) para isolar os parágrafos relevantes.
	3. Camada Gold: Inferência local com este modelo LLM para gerar a estrutura JSON final e consolidar em um Data Warehouse de Saúde Pública usando DuckDB e formato Parquet.

	---

	## Schema JSON de Saída Esperado
	O modelo foi condicionado para retornar rigorosamente o formato abaixo, utilizando `null` explícito para valores não encontrados na janela de contexto para evitar alucinações cognitivas:

	```json
	{
	"cnpj": {"raw": "", "normalized": null},
	"laboratorio": {"raw": "", "normalized": null},
	"relatorio_tecnico": {"raw": "", "normalized": null},
	"data_publicacao": {"raw": "", "normalized": null},
	"medicamento": {"raw": "", "normalized": null},
	"apresentacao": {"raw": "", "normalized": null},
	"preco_cmed": {"raw": "", "normalized": null},
	"preco_inicial": {"raw": "", "normalized": null},
	"preco_final": {"raw": "", "normalized": null},
	"populacao_estimada": {"raw": "", "normalized": null}
	}

	```

	---

	## Detalhes de Treinamento e Fine-Tuning

	### Ambiente e Hardware

	* Hardware: NVIDIA T4 (16GB VRAM) via Google Colab.
	* Frameworks: Unsloth, TRL, Transformers, Datasets.
	* Precisão de Treinamento: 4-bit Quantization (QLoRA) com Otimizador `adamw_8bit` e FP16/BF16 Misto (conforme suporte de hardware).

	### Configurações do Adaptador LoRA (PEFT)

	* Rank (r): 16
	* LoRA Alpha: 16
	* Target Modules: `q_proj`, `k_proj`, `v_proj`, `o_proj`, `gate_proj`, `up_proj`, `down_proj`
	* Dropout: 0.0
	* Bias: none

	### Hiperparâmetros do SFTTrainer

	* Max Sequence Length: 2048 tokens
	* Per Device Train Batch Size: 4
	* Gradient Accumulation Steps: 4
	* Learning Rate: 2e-5
	* LR Scheduler: Cosine
	* Num Epochs: 2
	* Warmup Steps: 0.03
	* Weight Decay: 0.01
	* Seed: 3407

	### Dataset

	* O dataset instrucional foi formatado utilizando o Chat Template nativo do modelo Llama-3 (contendo as roles `system`, `user` e `assistant`).
	* Divisão de Dados: 90% Treino / 10% Avaliação (`test_size=0.1`).
	* O prompt de sistema força a saída JSON e a simetria perfeita entre as chaves do banco de dados e a inferência final.

	---

	## Limitações e Uso Indevido

	* Uso Exclusivo para Q&A e Extração: Este modelo sofreu fine-tuning agressivo para gerar JSON e obedecer regras determinísticas de extração de metadados. Ele não deve ser utilizado para geração de texto criativo livre, atuar como chatbot clínico ou prescrever tratamentos. Sua função é leitura e estruturação técnica.
	* Dependência de Contexto Filtrado: O modelo atinge altíssima performance quando alimentado com os chunks textuais já saneados pela arquitetura da camada Silver. O envio de relatórios em PDF inteiros e brutos para a sua janela de contexto resultará em degradação de precisão e provável estouro do limite de tokens (Context Window).