Skip to content
EtamusPublic

About

No description, website, or topics provided.

Resources

Stars

1 star

Watchers

1 watching

Forks

Latest commit

 

History

151 Commits

Folders and files

NameName
Last commit message
Last commit date
 
 
 
 

Repository files navigation

bannerteste

sobre



PT-BR PT-BR

Atuo na intersecção entre o desenvolvimento de software e a engenharia de Machine Learning, com foco profundo no ecossistema de Large Language Models (LLMs). Minha especialidade cobre o ciclo completo de IA (end-to-end): desde a exploração de arquiteturas, técnicas de otimização e fine-tuning (PEFT, QLoRA), até a construção das aplicações e interfaces que conectam esses modelos aos usuários finais.

Atualmente, lidero a engenharia e o desenvolvimento da NeveAI — uma plataforma de IA local privacy-first para execução de LLM offline de alta performance, sem dependência de APIs ou serviços externos. Em paralelo, sou contribuidor e pesquisador na organização NeveAI, desenvolvendo infraestrutura e colaborando em projetos open-source voltados para o avanço da Inteligência Artificial.


EN-US

I operate at the intersection of software engineering and Machine Learning, focusing deeply on the Large Language Models (LLMs) ecosystem. My expertise covers the end-to-end AI lifecycle: from exploring architectures, optimization techniques, and fine-tuning (PEFT, QLoRA), to building the applications and interfaces that connect these models to end-users.

Currently, I lead the engineering and development of Neve AI — a privacy-first local AI platform for high-performance offline LLM execution, with no dependence on external APIs or services. In parallel, I am a researcher and contributor at the NeveAI organization, developing infrastructure and collaborating on open-source projects aimed at advancing Artificial Intelligence.




teste


Frontend Backend DevOps
Design Gamedev




projetoemand




strata Descrição Técnica:
Neve Strata é um Large Language Model (LLM) de alta escala, especializado em fluxos de trabalho autonômos (Agentic Workflows) e raciocínio lógico profundo. Através de técnicas avançadas de fine-tuning como PEFT e QLoRA, o modelo foi otimizado para manter coerência em janelas de contexto estendidas e precisão em geração de código complexo.

Architecture: MTP    |    Context: 256K    |    Status: Post-Trained



Benchmarks e Avaliação de Desempenho

Resultados comparativos evidenciando a evolução do modelo Neve em relação aos baselines de mercado.


Benchmark (Evals) Qwen3.5 27B Gemma4 31B Qwen3.5 35B NeveStrata 35B
(Meu fine-tune)
Coding & General Agents (Repositórios e Ferramentas)
SWE-bench Verified 75.0 52.0 70.0 73.4
Terminal-Bench 2.0 41.6 42.9 40.5 51.5
QwenWebBench 1068 1197 978 1397
MCP-Atlas 68.4 57.2 62.4 62.8
STEM & Deep Reasoning (Lógica e Matemática)
LiveCodeBench v6 80.7 80.0 74.6 80.4
AIME 26 92.6 89.2 91.0 92.7
GPQA 85.5 84.3 84.2 86.0
Vision & Spatial Intelligence (OCR e Documentos)
MMMU 82.3 80.4 81.4 81.7
RealWorldQA 83.7 72.3 84.1 85.3
OmniDocBench1.5 88.9 80.1 89.3 89.9



aaa






nevai Descrição Técnica:
NeveAI é uma plataforma de IA local privacy-first, desenvolvida para oferecer uma experiência de alta performance na execução de LLMs, reduzindo a dependência de grandes plataformas, assinaturas caras e APIs externas e servindo como uma alternativa offline, privada e independente.

LLM: llama.cpp    |    Backend: FastAPI    |    Frontend: SvelteKit 2    |    RAG: ChromaDB



Arquitetura de Sistema e Capacidades Técnicas

Visão geral dos principais módulos de inferência local, processamento multimodal, recuperação de conhecimento e integração da plataforma.


Domínio da Arquitetura Especificações e Tecnologias Suportadas
Inteligência & Inferência Local
Motor de LLM Inferência local baseada em llama.cpp, com carregamento dinâmico de modelos GGUF, streaming de respostas em tempo real via WebSocket e inicialização automática do servidor de inferência ao selecionar um modelo.
Raciocínio & Contexto Modos de resposta configuráveis entre execução rápida e raciocínio, contador de tokens com indicação visual de uso de contexto e carregamento automático de modelos conforme a necessidade da conversa.
Processamento Multimodal Suporte a modelos multimodais por projeções mmproj com detecção automática de compatibilidade. Entrada de PDFs, documentos, apresentações, planilhas, imagens, áudio, vídeo e arquivos de código.
RAG, Conhecimento & Ferramentas
Retrieval-Augmented Generation Motor RAG local utilizando ChromaDB, embeddings via sentence-transformers ou API e recuperação híbrida combinando busca semântica com BM25.
Processamento de Documentos Extração e indexação de conteúdo para bases de conhecimento, incluindo OCR de PDFs e imagens digitalizadas via RapidOCR.
Web, Código & MCP Busca na web integrada via SearXNG sem necessidade de chave de API, execução de código Python no navegador através de Pyodide e suporte ao Model Context Protocol (MCP) v1.26 para integração com ferramentas externas.
Geração Multimídia & Experiência
Geração de Imagens Geração local de imagens utilizando Neve-Image-Turbo em quantização Q4_0, com Encoder e stable-diffusion.cpp, otimizada para execução em 8 steps.
Geração de Música Geração local de músicas através do Neve-Step 1.5 Turbo, com suporte a orientação de estilo e criação de letras em português.
Interface & Artefatos Frontend desenvolvido em SvelteKit 2 e Svelte 5 com Tailwind CSS 4.2.1, incluindo histórico organizado em pastas, projetos, tema claro/escuro e painel dedicado para código, gráficos e HTML renderizado.
Runtime & Persistência Local
Backend & API Backend baseado em FastAPI, Uvicorn e Python 3.11/3.12, responsável por chat, modelos, áudio, imagens, RAG, WebSockets e entrega do frontend compilado através da porta padrão 8080.
Persistência Banco de dados local SQLite utilizando SQLAlchemy e Alembic, com armazenamento de dados de runtime, uploads, cache, histórico e base vetorial diretamente na instalação local.
Instalação & Hardware Instalador automatizado para Windows com detecção de GPUs NVIDIA, AMD ou execução em CPU, seleção automática dos binários apropriados do llama.cpp, criação do ambiente Python e build completo do frontend.


estatisticas



GitHub Streak




contato



LinkedIn Empresa




github contribution snake animation

About

No description, website, or topics provided.

Resources

Stars

1 star

Watchers

1 watching

Forks

Releases

Packages

Contributors