Série completa
Making-of do Decisum
Quatro partes, uma linha: como um encoder de 322M aprendeu a decidir o atendimento de e-commerce em PT-BR — do bug de tokenização que quase enterrou o primeiro treino, passando pela régua de avaliação que mentia, até o ensemble v10+swa que está em produção hoje.
- 1Parte 1 de 4
Um Modelo de Decisão "System 1" para Atendimento em PT-BR — Parte 1: Contexto, Dados e o Bug que Quase Enterrou o Projeto
O início do projeto Decisum: por que decidir é diferente de conversar, a arquitetura System 1 + System 2, os 447 mil exemplos de três fontes, a infraestrutura AMD ROCm e o bug de tokenização que quase enterrou o primeiro treino.
12 min de leituraLer esta parte - 2Parte 2 de 4
Um Modelo de Decisão "System 1" para Atendimento em PT-BR — Parte 2: Resultados, Calibração e o Veredito sobre RL
Os resultados do decisor v2 e v3: acurácia no gold set, P/R/F1 das 17 categorias, calibração por temperature scaling, três rodadas de RLCD com um veredito negativo e a auditoria que revelou que a régua de avaliação estava errada.
25 min de leituraLer esta parte - 3Parte 3 de 4
Um Modelo de Decisão "System 1" para Atendimento em PT-BR — Parte 3: A Régua Estava Errada (Benchmark, Ouro e a Trilogia v3→v4→v5)
A régua estava errada: benchmark pareado contra o backbone zero-shot, adjudicação cega de 175 desacordos, um ouro de 1.000 chamados e a trilogia v3 → v4 → v5 até a correção pela causa raiz — re-rotular o train inteiro com um juiz forte.
27 min de leituraLer esta parte - 4Parte 4 de 4
Um Modelo de Decisão "System 1" para Atendimento em PT-BR — Parte 4: O Bake-off de Juízes e o v6 Híbrido
O bake-off de juízes contra o ouro humano, a destilação híbrida do v6, os experimentos v7 a v12, a campanha dos nove desafiantes e o ensemble campeão v10+swa publicado no Hugging Face sob Apache 2.0.
41 min de leituraLer esta parte