Upload README.md with huggingface_hub

README.md

@@ -0,0 +1,89 @@
+---
+license: mit
+language:
+- es
+- en
+tags:
+- ssm
+- state-space-model
+- mamba-like
+- text-generation
+- onnx
+- onnxruntime
+- browser
+- experimental
+---
+
+# OxideLLM_TK_SSM_V1_ONNX
+
+🦀 **Transformer Killer** - Versión ONNX para navegador
+
+## ⚠️ Versión ONNX
+
+Esta es la versión **ONNX** del modelo SSM, convertida para ejecutarse en navegadores web 
+usando ONNX Runtime Web. La versión original en PyTorch está disponible en 
+[OxideLLM_TK_SSM_V1](https://huggingface.co/ULFBERTO/OxideLLM_TK_SSM_V1).
+
+> **Nota**: Actualmente no hay soporte nativo para PyTorch en navegadores, por lo que 
+> se requiere esta conversión a ONNX para uso web.
+
+## Descripción
+
+Modelo experimental basado en **State Space Models (SSM)** inspirado en Mamba, 
+que reemplaza el mecanismo de atención de los Transformers con un escaneo 
+secuencial selectivo de complejidad **O(n) lineal**.
+
+### Especificaciones
+
+| Aspecto | Valor |
+|---------|-------|
+| Arquitectura | SSM Selectivo (Mamba-like) |
+| Parámetros | ~770K |
+| Formato | ONNX |
+| Tamaño | ~4 MB |
+| Complejidad | O(n) lineal |
+| Tokenizer | Nivel de carácter |
+
+## Uso en Navegador (JavaScript)
+
+```javascript
+import * as ort from 'onnxruntime-web';
+
+// Cargar modelo
+const session = await ort.InferenceSession.create('ssm_model.onnx');
+
+// Cargar tokenizer
+const tokenizer = await fetch('tokenizer.json').then(r => r.json());
+
+// Codificar texto
+const text = "Hola ";
+const inputIds = text.split('').map(c => tokenizer.char2idx[c] || 0);
+
+// Inferencia
+const tensor = new ort.Tensor('int64', BigInt64Array.from(inputIds.map(BigInt)), [1, inputIds.length]);
+const outputs = await session.run({ input_ids: tensor });
+const logits = outputs.logits.data;
+
+// Decodificar siguiente token...
+```
+
+## Archivos
+
+- `ssm_model.onnx` - Modelo ONNX (~4 MB)
+- `tokenizer.json` - Vocabulario y configuración
+
+## Limitaciones
+
+⚠️ **Experimental**: 
+- Modelo pequeño (~770K params) para propósitos educativos
+- La conversión ONNX puede tener diferencias menores vs PyTorch
+- Algunas operaciones del SSM pueden no estar optimizadas en ONNX
+
+## Links
+
+- 🔥 [Versión PyTorch](https://huggingface.co/ULFBERTO/OxideLLM_TK_SSM_V1)
+- 🌐 [Demo en ZeroCloud](https://zerocloud.vercel.app)
+
+## Licencia
+
+MIT License