Tonit23/antonio-bfcl-toolmodel

1---2language: ["es", "en"]3license: apache-2.04tags:5  - bittensor6  - subnet-207  - bitagent8  - finney9  - tao10  - tool-calling11  - bfcl12  - reasoning13  - agent14base_model: Salesforce/xLAM-7b-r15pipeline_tag: text-generation16model-index:17  - name: antonio-bfcl-toolmodel18    results:19      - task:20          type: text-generation21          name: Generative reasoning and tool-calling22        metrics:23          - type: accuracy24            value: 0.025---26 27# 🧠 Antonio BFCL Toolmodel28 29Este modelo forma parte del ecosistema **BitAgent (Subnet-20)** de Bittensor, diseñado para tareas de *tool-calling*, razonamiento lógico estructurado y generación de texto contextual.  30Optimizado para comunicación eficiente entre agentes dentro del protocolo Finney.31 32---33 34## 🚀 Descripción técnica35 36**antonio-bfcl-toolmodel** está basado en un modelo open-source tipo `xLAM-7b-r`, ajustado para:37 38- 📊 *Razonamiento simbólico y factual multilingüe*  39- 🧩 *Tool-calling automático* (formato JSON conforme a los prompts de Subnet-20)  40- 🔄 *Respuestas deterministas* con `temperature=0.1` y `top_p=0.9`  41- ⚙️ *Compatibilidad total con el pipeline de BitAgent Miner (v1.0.51)*  42- 🌐 *Idiomas soportados*: Español 🇪🇸 e Inglés 🇬🇧43 44---45 46## 🧩 Integración con Subnet-2047 48Los validadores pueden invocar este modelo a través de los protocolos:49 50- `QueryTask`  51- `QueryResult`  52- `IsAlive`  53- `GetHFModelName`  54- `SetHFModelName`55 56El modelo responde mediante `bittensor.dendrite` y cumple con la especificación **BitAgent v1.0.51**.57 58---59 60## 🧠 Ejemplo de inferencia local61 62```python63from transformers import AutoTokenizer, AutoModelForCausalLM64 65model_name = "Tonit23/antonio-bfcl-toolmodel"66tokenizer = AutoTokenizer.from_pretrained(model_name)67model = AutoModelForCausalLM.from_pretrained(model_name)68 69prompt = "Resuelve esta operación: 12 + 37 = "70inputs = tokenizer(prompt, return_tensors="pt")71outputs = model.generate(**inputs, max_new_tokens=32)72print(tokenizer.decode(outputs[0], skip_special_tokens=True))73