Add README.md

README.md

@@ -1,3 +1,4 @@
+
 ---
 license: mit
 tags:
@@ -49,14 +50,13 @@ tags:
 - robustness-hint
 - calibration-hint
 - ood-detection-hint
-library_name: transformers
 ---
 
 # xddd-processed
 
 Este repositorio incluye un modelo basado en `hghghgkskdmskdms/xddd` con las siguientes transformaciones aplicadas y características conceptuales documentadas por un script. El modelo se guarda en formato `safetensors`.
-- **Fusión de Capas:** Se documenta la intención original de fusionar 1 capas capas en una, pero la fusión estructural *no fue aplicada* por este script. El modelo mantiene su estructura original de capas tras la cuantización dinámica. Incluye una función conceptual `decode_fused_layers_to_single_tensor_conceptual` para obtener información sobre el tamaño de la fusión conceptual de parámetros de capa.
-- **Fusión de Tensores:** Se documenta la intención de fusionar todos los tensores en un solo vector. El tamaño conceptual total es 13022400 elementos. La fusión estructural *no fue aplicada*; los tensores se guardan individualmente. Incluye una función conceptual `decode_fused_tensor_func` para obtener información sobre el tamaño total conceptual de todos los tensores en el state_dict.
+- **Fusión de Capas:** Se documenta la intención original de fusionar 28 capas capas en una, pero la fusión estructural *no fue aplicada* por este script. El modelo mantiene su estructura original de capas tras la cuantización dinámica. Incluye una función conceptual `decode_fused_layers_to_single_tensor_conceptual` para obtener información sobre el tamaño de la fusión conceptual de parámetros de capa.
+- **Fusión de Tensores:** Se documenta la intención de fusionar todos los tensores en un solo vector. El tamaño conceptual total es 3606776832 elementos. La fusión estructural *no fue aplicada*; los tensores se guardan individualmente. Incluye una función conceptual `decode_fused_tensor_func` para obtener información sobre el tamaño total conceptual de todos los tensores en el state_dict.
 - Eliminación de sesgos (puestos a cero).
 - Desactivación conceptual de censura.
 - **Entrenamiento:** El modelo ha sido procesado desde una versión pre-entrenada. **No está destinado a ser pre-entrenado de nuevo** con este script. Está configurado en modo de evaluación (`model.eval()`) y marcado en la configuración como `is_trained: True`. Puede ser adecuado para inferencia o fine-tuning.