---
language:
- es
license: apache-2.0
base_model: Qwen/Qwen2.5-7B-Instruct
tags:
- acreditacion
- educacion-superior
- colombia
- cna
- univalle
- eisc
- qwen2.5
- sft
- lora
pipeline_tag: text-generation
library_name: transformers
---

# qwen2.5-7b-acredita-cna-col

Fine-tuning de [Qwen/Qwen2.5-7B-Instruct](https://huggingface.co/Qwen/Qwen2.5-7B-Instruct) sobre
**93,829 pares de preguntas y respuestas** de acreditación universitaria colombiana.

Especializado en el sistema del **Consejo Nacional de Acreditación (CNA)**,
la Escuela de Ingeniería de Sistemas y Computación (EISC) y la Universidad del Valle.

## Uso rápido

```python
from transformers import AutoTokenizer, AutoModelForCausalLM
import torch

model_id = "raulgdp/qwen2.5-7b-acredita-cna-col"
tok   = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(
    model_id, torch_dtype=torch.bfloat16, device_map="auto"
)

messages = [{"role": "user", "content": "¿Cuáles son los factores del CNA?"}]
prompt = tok.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
inputs = tok(prompt, return_tensors="pt").to(model.device)

out = model.generate(**inputs, max_new_tokens=300,
                     do_sample=False, repetition_penalty=1.15)
print(tok.decode(out[0][inputs["input_ids"].shape[1]:], skip_special_tokens=True))
```

## Con Ollama

```bash
ollama run raulgdp/qwen2.5-7b-acredita-cna-col
```

## Entrenamiento

| Parametro | Valor |
|---|---|
| Modelo base | Qwen/Qwen2.5-7B-Instruct |
| Metodo | SFT + LoRA |
| Dataset | 93,829 pares Q&A acreditacion CNA |
| LoRA rank | 32 |
| Epochs | 3 |
| Hardware | RTX 4090 24GB |
| Generador Q&A | Qwen2.5-7B-Instruct |

## Capacidades

- Factores e indicadores del modelo CNA
- Registro calificado y acreditacion de alta calidad
- Normativas del MEN (Ley 30/1992, Decreto 1295/2010, Resolucion 5778/2017)
- Autoevaluacion institucional
- Programas EISC — Universidad del Valle

## Licencia

Apache 2.0 — heredada del modelo base Qwen2.5.