
O agente que finalmente pensou em loop
O ciclo do agente rodou de ponta a ponta pela primeira vez — depois de três falhas de integração que morriam em silêncio e de um treino que passou a medir dois runs no mesmo ponto de partida.
5 posts

O ciclo do agente rodou de ponta a ponta pela primeira vez — depois de três falhas de integração que morriam em silêncio e de um treino que passou a medir dois runs no mesmo ponto de partida.

Os dois medidores que avaliavam formato e dinâmica interna do TatuEngine viviam num disco que deixou de existir na migração. O treino seguiu rodando medindo só perplexidade — até a régua ser reconstruída e devolver um número incômodo: o formato chegou a 100%, a precisão não saiu do ruído.

O run 2 provou que o TatuEngine aprendeu português e esqueceu inglês. Os dois runs seguintes provaram outra coisa: eu media esse esquecimento numa amostra cujo erro era maior que o efeito que queria enxergar — 16 linhas de 166.

Depois de aprender a inferir (GPU 252×), o TatuEngine partiu pro ciclo Mestre-Aprendiz: um teacher Qwen2.5-3B com LoRA destilando raciocínio estruturado ([THOUGHT]/[ANSWER]) pro student BitMamba-2 1B. Seis versões num dia (v0.17→v0.22.2), 381 exemplos e a convergência que não vinha até o fix do system message.

A saga de fazer o Student BitMamba-1B aprender sem explodir: Adafactor vs AdamW, a economia de 4 GB de VRAM, e os 4 bugs que produziam NaN no treinamento em bf16.