---
license: apache-2.0
base_model: Qwen/Qwen2.5-0.5B-Instruct
language:
  - es
pipeline_tag: text-generation
tags:
  - codigo
  - code
  - destilacion
  - response-distillation
  - deepseek
  - qwen
  - espanol
library_name: transformers
---

# Andromeda-Code-0.5B 💻🌌

Modelo de lenguaje de **0.5B parámetros** especializado en **programación**,
destilado desde `deepseek-ai/deepseek-coder-1.3b-instruct` hacia
`Qwen/Qwen2.5-0.5B-Instruct`.

> DeepSeek y Qwen usan tokenizers distintos, así que la destilación por logits
> no aplica directamente. Acá se usó **response distillation**: el teacher genera
> respuestas de código, se filtran y limpian, y el student aprende con SFT sobre
> ese dataset sintético.

## 🎯 Método de destilación

- **Teacher:** `deepseek-ai/deepseek-coder-1.3b-instruct`
- **Student:** `Qwen/Qwen2.5-0.5B-Instruct`
- **Técnica:** Response Distillation (Answer-Guided) + SFT
  1. Generación de respuestas de código con el teacher
  2. Limpieza: extracción de bloques ```python, remoción de texto introductorio
  3. Conversión al chat template de Qwen (formato JSONL)
  4. Fine-tuning del student (3 epochs, lr=2e-5, bf16)

## ⚠️ Estado experimental

Este modelo fue entrenado con un **dataset de prueba de solo 20 ejemplos**.
Sirve para validar el pipeline de destilación cross-tokenizer, pero su calidad
es limitada. Próximos pasos previstos: escalar el dataset a miles de prompts
(HumanEval, MBPP, código curado de GitHub).

## 🚀 Uso rápido

```python
from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "fiel1986/Andromeda-Code-0.5B"
tok = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(model_id, device_map="auto")

messages = [
    {"role": "system", "content": "Sos un asistente experto en programacion."},
    {"role": "user", "content": "Escribe una funcion en Python que verifique si un numero es primo"}
]
inputs = tok.apply_chat_template(messages, return_tensors="pt").to(model.device)
out = model.generate(inputs, max_new_tokens=256, do_sample=True, temperature=0.6)
print(tok.decode(out[0], skip_special_tokens=True))