Update README.md

README.md

@@ -2,4 +2,103 @@
 license: other
 license_name: virtuo
 license_link: https://justina.cloud/licenses_models/virtuo/virtuo_1_0.txt
+language:
+- pt
+base_model:
+- VirtuoTuring/Chat_Noir
+pipeline_tag: text-generation
+library_name: transformers
+tags:
+- PT-PT
+- legal
+- civil-procedure
+- civil-code
+- abuso-de-direito
+- direito-da-família
+- liberdade-sexual
+- ações-populares
+- ações-coletivas
+- Código-processo-civil
+- Código-civil
+- safetensors
+datasets:
+- VirtuoTuring/justina_clarus
 ---
+
+# Justina Clarus 24B — safetensors (v2)
+
+Versão 2. Reforçada com mais sessões de treino e mais pares Q/A em PT-PT, mantendo foco no CPC e no CC e temas conexos.
+
+## O que mudou na v2
+- Aumento do número de pares e iterações de treino.
+- Maior consistência estilística em PT-PT técnico e jurídico.
+- Mais robustez a variações de pergunta dentro do mesmo domínio.
+
+## Generalização e não-memorização
+- O modelo não memoriza verbatim todas as respostas. Retém padrões gerais e pode aproximar-se de formulações consistentes.
+- Aprendeu formato, tom e padrões das tuas perguntas e respostas formais em PT-PT com jargões específicos (jurídico, técnico). Responde de forma consistente nesse estilo, mesmo para perguntas diferentes das do dataset. Útil para: aplicações que exigem respostas consistentes com o tom do dataset, sem exigir reprodução literal. Excelente para RAG.
+- Capta padrões semânticos e sintáticos do corpus jurídico PT-PT. Para perguntas idênticas ou muito próximas, as respostas tendem a ser precisas (>80–90% de equivalência semântica, mesmo sem verbatim). Útil para: cenários com perguntas variadas mas dentro do mesmo tema jurídico. Melhor generalização.
+
+## Destinos preferenciais
+Este modelo é base para:
+1) fine-tune dirigido a matérias legais específicas;
+2) integração em RAG;
+3) uso de contexto dado no prompt (leis, interpretações, factos) para compor texto jurídico.
+
+## Cobertura jurídica
+- CPC: espécies de ações, processos, competência, recursos, caso julgado.
+- CC: obrigações, responsabilidade civil, direitos de personalidade.
+- Reforços: abuso de direito; família e menores; liberdade sexual; ações populares.
+- Contexto adicional (seletivo): CPP, CP, CRP, CEDH, RGPD (+ Lei 58/2019), Lei 112/2009, Lei 130/2015, LAV, Reg. (UE) 1215/2012, Reg. (UE) 2019/1111, Dir. 2004/25/CE, CVM 194/196.
+
+## Dados e esquema
+Treino em JSONL com pares Q/A autossuficientes.
+
+Schema
+{"messages":[{"role":"user","content":"…"},{"role":"assistant","content":"…"}]}
+
+Exemplos
+{"messages":[{"role":"user","content":"Quais são as espécies fundamentais de ações no Direito Processual Civil segundo o artigo 10.º, n.º 1 CPC?"},{"role":"assistant","content":"Segundo o artigo 10.º, n.º 1 CPC, distinguem-se duas espécies fundamentais de ações no esquema do processo civil."}]}
+{"messages":[{"role":"user","content":"O que caracteriza a ação declarativa?"},{"role":"assistant","content":"A ação declarativa pode ser de simples apreciação, de condenação ou constitutiva (art. 10.º, n.os 2 e 3 CPC), pedindo-se em cada subespécie providências distintas."}]}
+
+## Utilização
+Distribuição em safetensors para transformers.
+
+Python (FP16/BF16)
+from transformers import AutoTokenizer, AutoModelForCausalLM
+import torch
+repo = "VirtuoTuring/justina_clarus-24b-safetensors"
+tok = AutoTokenizer.from_pretrained(repo, use_fast=True)
+dtype = torch.bfloat16 if torch.cuda.is_bf16_supported() else torch.float16
+model = AutoModelForCausalLM.from_pretrained(repo, torch_dtype=dtype, device_map="auto")
+prompt = "Pergunta: Indique as espécies de ações no art. 10.º, n.º 1 CPC.\nResposta:"
+out = model.generate(**tok(prompt, return_tensors="pt").to(model.device),
+                     max_new_tokens=400, temperature=0.2, top_p=0.9)
+print(tok.decode(out[0], skip_special_tokens=True))
+
+Python 4-bit (bitsandbytes)
+from transformers import AutoTokenizer, AutoModelForCausalLM, BitsAndBytesConfig
+import torch
+bnb = BitsAndBytesConfig(load_in_4bit=True, bnb_4bit_quant_type="nf4",
+                         bnb_4bit_use_double_quant=True,
+                         bnb_4bit_compute_dtype=torch.bfloat16 if torch.cuda.is_bf16_supported() else torch.float16)
+tok = AutoTokenizer.from_pretrained(repo, use_fast=True)
+model = AutoModelForCausalLM.from_pretrained(repo, quantization_config=bnb, device_map="auto")
+
+## Boas práticas
+- Cite artigos e números quando aplicável.
+- Valide com fontes oficiais. Revisão humana obrigatória em peças processuais.
+- Para produção, preferir temperature baixa e limites explícitos de tokens.
+
+## Limitações
+- Janela de contexto ~4k tokens.
+- Não substitui profissionais forenses nem decisões dos tribunais.
+- Pode falhar em regimes especiais ou alterações legislativas recentes.
+
+## Licença
+Virtuo 1.0. Uso, modificação e redistribuição, incluindo comercial, com preservação dos avisos e referência a Virtuo Turing – Artificial Intelligence, S.A.
+
+## Créditos
+Virtuo Turing – Artificial Intelligence, S.A. (Portugal) e Octávio Viana.
+Base © Mistral AI (Apache-2.0).
+Website: https://justina.cloud