decision-lord

Classificador leve de múltipla escolha (A/B/C/D) em português, treinado com TF-IDF + regressão logística. Funciona transformando cada pergunta + opção numa entrada de texto e escolhendo a opção com maior probabilidade.

Roda em CPU, sem GPU, usando pouquíssima RAM.

Como funciona

  1. Para cada pergunta, cada opção vira uma linha no formato: pergunta: <pergunta> | opcao: <opção>, com rótulo 1 (correta) ou 0.
  2. Um pipeline TfidfVectorizer + LogisticRegression aprende a pontuar.
  3. Na hora de responder, testa as 4 opções e escolhe a de maior score.

Arquivos

Arquivo Para que serve
dados.csv dataset de perguntas e opções (51 perguntas)
train.py treina e salva modelo_abcd.joblib
predict.py exemplo rápido de predição
interactive.py menu interativo: adicionar perguntas, treinar e testar
requirements.txt dependências

Uso

pip install -r requirements.txt
python train.py       # gera modelo_abcd.joblib
python predict.py     # exemplo de resposta
python interactive.py # menu: adicionar pergunta, treinar, testar
import joblib

modelo = joblib.load("modelo_abcd.joblib")

def responder(pergunta, opcoes):
    scores = {}
    for letra, texto in opcoes.items():
        entrada = f"pergunta: {pergunta} | opcao: {texto}"
        scores[letra] = modelo.predict_proba([entrada])[0][1]
    return max(scores, key=scores.get), scores

letra, scores = responder(
    "Qual é a capital da França?",
    {"A": "Londres", "B": "Paris", "C": "Roma", "D": "Madri"},
)
print(letra)  # B

Como adicionar perguntas

Use o menu interativo (python interactive.py) ou edite dados.csv direto no formato pergunta,opcao_a,opcao_b,opcao_c,opcao_d,correta. Depois retreine.

Dados

dados.csv com 51 perguntas de exemplo (204 amostras de treino no formato pergunta+opção). Para melhorar a qualidade, adicione mais linhas — 200 a 500 perguntas já dão um salto grande.

Limitações

  • Modelo baseado em padrões de texto (TF-IDF), não em compreensão semântica profunda. Generaliza pouco além do estilo das perguntas de treino.
  • Não é um LLM: para perguntas abertas ou raciocínio complexo, use um modelo maior (ex.: BERTimbau) com fine-tuning em GPU.

Licença

Apache-2.0.

Downloads last month

-

Downloads are not tracked for this model. How to track
Inference Providers NEW
This model isn't deployed by any Inference Provider. 🙋 Ask for provider support