README.md

---
language: ["es", "en"]
license: apache-2.0
tags:
  - bittensor
  - subnet-20
  - bitagent
  - finney
  - tao
  - tool-calling
  - bfcl
  - reasoning
  - agent
base_model: Salesforce/xLAM-7b-r
pipeline_tag: text-generation
model-index:
  - name: antonio-bfcl-toolmodel
    results:
      - task:
          type: text-generation
          name: Generative reasoning and tool-calling
        metrics:
          - type: accuracy
            value: 0.0
---

# 🧠 Antonio BFCL Toolmodel

Este modelo forma parte del ecosistema **BitAgent (Subnet-20)** de Bittensor, diseñado para tareas de *tool-calling*, razonamiento lógico estructurado y generación de texto contextual.  
Optimizado para comunicación eficiente entre agentes dentro del protocolo Finney.

---

## 🚀 Descripción técnica

**antonio-bfcl-toolmodel** está basado en un modelo open-source tipo `xLAM-7b-r`, ajustado para:

- 📊 *Razonamiento simbólico y factual multilingüe*  
- 🧩 *Tool-calling automático* (formato JSON conforme a los prompts de Subnet-20)  
- 🔄 *Respuestas deterministas* con `temperature=0.1` y `top_p=0.9`  
- ⚙️ *Compatibilidad total con el pipeline de BitAgent Miner (v1.0.51)*  
- 🌐 *Idiomas soportados*: Español 🇪🇸 e Inglés 🇬🇧

---

## 🧩 Integración con Subnet-20

Los validadores pueden invocar este modelo a través de los protocolos:

- `QueryTask`  
- `QueryResult`  
- `IsAlive`  
- `GetHFModelName`  
- `SetHFModelName`

El modelo responde mediante `bittensor.dendrite` y cumple con la especificación **BitAgent v1.0.51**.

---

## 🧠 Ejemplo de inferencia local

```python
from transformers import AutoTokenizer, AutoModelForCausalLM

model_name = "Tonit23/antonio-bfcl-toolmodel"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForCausalLM.from_pretrained(model_name)

prompt = "Resuelve esta operación: 12 + 37 = "
inputs = tokenizer(prompt, return_tensors="pt")
outputs = model.generate(**inputs, max_new_tokens=32)
print(tokenizer.decode(outputs[0], skip_special_tokens=True))