Serigy Golpes BR

Pesos System One para mensagens de golpe / legítimas em PT-BR (PIX, bancos, WhatsApp, Correios, marketplaces).

Sensor: Manacá-1B.
Tipos System One: Escolha · Indice · Verdadeiro · Prioridade.

Uso: via pacote PyPI serigy — este Hub não inclui código de inferência.

Modelo de distribuição — open weights

---

Quickstart

pip install serigy

System One (caminho principal)

from serigy import SerigyModel, Escolha, Indice, Verdadeiro, Prioridade

model = SerigyModel("wendellperbar/serigy-golpes-br")

msg = (
    "URGENTE: sua conta será bloqueada. Acesse http://banco-seguro.tk "
    "e confirme seus dados com a senha do cartão."
)

result = model.system_one(
    msg,
    {
        "acao": Escolha(
            instructions="Como tratar esta mensagem?",
            criteria={
                "bloquear": "Provável golpe; isolar / alertar",
                "revisar": "Incerto; pedir confirmação por canal oficial",
                "entregar": "Comunicação legítima",
            },
        ),
        "risco": Indice(
            instructions="Qual o nível de risco?",
            criteria=["Baixo", "Médio", "Alto", "Crítico"],
        ),
        "eh_golpe": Verdadeiro(instructions="Esta mensagem é um golpe?"),
        "prioridade": Prioridade(
            instructions="Classifique a veracidade / risco ordinal.",
        ),
    },
)

print(result.answers["acao"].escolha)
print(result.answers["risco"].indice)
print(result.answers["eh_golpe"].verdadeiro)
print(result.answers["prioridade"].classe_ordinal)

Atalho predict (só Prioridade)

from serigy import SerigyModel

model = SerigyModel("wendellperbar/serigy-golpes-br")
out = model.predict(
    "PIX recebido. Para liberar o valor, envie o código SMS que chegará agora."
)
print(out["predicao"], out["score_final"], out["confianca_calibrada"])

Baixar só os pesos (opcional):

hf download wendellperbar/serigy-golpes-br --local-dir ./serigy-golpes-br
# model = SerigyModel("./serigy-golpes-br")

Se o Manacá for gated, configure HF_TOKEN.

---

Mapa TypeSafe ↔ Serigy

---

Avaliação honesta (OOD)

Treino em golpes_ref: 8000 linhas, mas só 3683 mensagens únicas, geradas a partir de 53 templates sintéticos (baixa diversidade lexical); split sem leak por template_id (3008 / 120 / 555 mensagens úteis em treino / val / test).
Scorecard comparado = média Choice / Score / Noul (Prioridade à parte).

OOD real (ood_real, n=200 msgs educacionais / instituições; scorecard n=197 pós-warmup):

Caveat: Serigy foi treinado no domínio; TypeSafe/Laya em zero-shot / checkpoint próprio.

---

Licença e créditos

• MIT — pesos Serigy
• Sensor — AI Institute LNCC, Manacá-1B
• Embedding — sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2