Assaoka/Tucano2-qwen-0.5b-Merge-GoEmotions

Tucano2-qwen-0.5b-Merge-Go-Emotions (Prior Model)

Este é um modelo especialista em análise de sentimento em língua portuguesa, construído usando a estratégia Knowledge Accumulation (Prior). O modelo foi inicialmente pre-mesclado (merged) com outros especialistas usando TIES Merge e, em seguida, sofreu ajuste fino (fine-tuning) no conjunto de dados antoniomenezes/go_emotions_ptbr.

Este desenvolvimento faz parte do artigo científico submetido ao ENIAC 2026: "United Experts: Merging Small Language Models for Multi-Domain Sentiment Analysis in Portuguese".

📌 Detalhes do Modelo

• —Modelos Base (Merge):
• —Assaoka/Tucano2-qwen-0.5B-ReLiSA
• —Assaoka/Tucano2-qwen-0.5B-Brighter
• —Assaoka/Tucano2-qwen-0.5B-FinBERT
• —Assaoka/Tucano2-qwen-0.5B-Phrasebank
• —Tarefa: Classificação de emoções extremamente granular para português (28 categorias baseadas em comentários de mídias sociais) após alinhamento sequencial por Knowledge Accumulation (Prior).
• —Domínio: Língua Portuguesa (PT-BR).
• —Licença: Apache 2.0.
• —Estratégia: Alinhamento sequencial via Knowledge Accumulation (Prior + Fine-tuning).

📊 Avaliação Completa (In-Domain & Out-Of-Domain)

Métricas padronizadas (Macro F1 · Micro F1 · Accuracy · Hamming Loss) calculadas sobre o conjunto de teste completo de cada domínio. A coluna Baseline corresponde ao modelo base Polygl0t/Tucano2-qwen-0.5B-Instruct sem fine-tuning.

🚀 Como utilizar o modelo (vLLM ou Transformers)

O modelo responde a prompts estruturados com instruções do sistema em português. Exemplo real de inferência estruturada:

from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "Assaoka/Tucano2-qwen-0.5b-Merge-GoEmotions"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(model_id, device_map="auto")

messages = [
    {"role": "system", "content": "Você é um classificador de emoções para português. Analise o texto fornecido e retorne a lista de emoções detectadas (pode ser vazia). As opções válidas são: 'admiração', 'diversão', 'raiva', 'irritação', 'aprovação', 'carinho', 'confusão', 'curiosidade', 'desejo', 'decepção', 'desaprovação', 'nojo', 'constrangimento', 'entusiasmo', 'medo', 'gratidão', 'luto', 'alegria', 'amor', 'nervosismo', 'otimismo', 'orgulho', 'percepção', 'alívio', 'remorso', 'tristeza', 'surpresa', 'neutro'. Sua tarefa é retornar um JSON válido no seguinte formato: {"emocoes": ["emocao1", "emocao2", ..., "emocaoN"]} baseado na lista de emoções permitidas. Responda APENAS com o JSON válido."},
    {"role": "user", "content": "Comentário: Muito obrigado pela ajuda! Fiquei realmente grato pela sua atenção."}
]

prompt = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
inputs = tokenizer(prompt, return_tensors="pt").to("cuda")
outputs = model.generate(**inputs, max_new_tokens=100)
print(tokenizer.decode(outputs[0], skip_special_tokens=True))
# Resposta esperada: {"emocoes": ["gratidão"]}