README.md

---
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](https://huggingface.co/Tonit23)  
**Base:** `microsoft/phi-2`  
**Fine-tune:** [`antonio-phi2-bitagent-lora`](https://huggingface.co/Tonit23/antonio-phi2-bitagent-lora)  
**Subnet:** 🧠 [Bittensor Subnet-20 — BitAgent](https://rizzo.network/subnet-20/)  
**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)

```python
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))