metadata
pipeline_tag: text-generation
license: mit
language:
- es
- en
tags:
- bittensor
- subnet-20
- bitagent
- phi2
- lora
- bfcl
- tool-calling
base_model: microsoft/phi-2
library_name: transformers
model_type: causal-lm
inference: true
🚀 Antonio Phi-2 BitAgent Merged (Subnet-20)
Autor: @Tonit23
Base: microsoft/phi-2
Fine-tune: antonio-phi2-bitagent-lora
Subnet: 🧠 Bittensor Subnet-20 — BitAgent
Publicación: octubre 2025
🧩 Descripción general
antonio-phi2-bitagent-merged es una versión LoRA-fusionada del modelo microsoft/phi-2, adaptada específicamente para el entorno BitAgent (SN20) dentro del ecosistema Bittensor Finney.
Este modelo está optimizado para tareas de razonamiento en español e inglés, inferencia compacta y tool-calling semántico (uso de funciones o herramientas internas), usando un esquema compatible con los validadores SN20.
⚙️ Detalles técnicos
| Propiedad | Valor |
|---|---|
| Modelo base | microsoft/phi-2 |
| Fine-tune | LoRA sobre dataset de prompts técnicos BFCL |
| Parámetros totales | ~7.24 B |
| Parámetros entrenables | 3.4 M (0.047 %) |
| Framework | PyTorch + Transformers + PEFT |
| Licencia | MIT |
| Hardware objetivo | CPU / GPU (float16) |
Entrenamiento
El modelo fue fine-tuneado con LoRA (Low-Rank Adaptation) en un conjunto de datos mixto de tareas técnicas:
- prompts de razonamiento lógico, instrucciones BFCL y tool-calling
- pares entrada/salida basados en análisis ABAP y Python
- mezclas en español e inglés
🧠 Uso
Inferencia local (Transformers)
from transformers import AutoModelForCausalLM, AutoTokenizer
import torch
model = AutoModelForCausalLM.from_pretrained("Tonit23/antonio-phi2-bitagent-merged", torch_dtype=torch.float16)
tokenizer = AutoTokenizer.from_pretrained("Tonit23/antonio-phi2-bitagent-merged")
prompt = "Explica el proceso de staking en la red Bittensor Finney:"
inputs = tokenizer(prompt, return_tensors="pt")
outputs = model.generate(**inputs, max_new_tokens=200)
print(tokenizer.decode(outputs[0], skip_special_tokens=True))