---
license: mit
language:
- es
base_model:
- meta-llama/Llama-3.1-8B-Instruct
---
# 🤖 Interius LLM — Strategic Marketing Agent

Este modelo ha sido afinado con **QLoRA** sobre `LLaMA 3.1` para funcionar como un asesor inteligente de estrategias publicitarias. Forma parte de la plataforma **Interius**, un sistema que optimiza campañas digitales para instituciones educativas en LATAM.

## 📦 Dataset de Entrenamiento
Entrenado con un dataset instructivo de más de 300 ejemplos tipo Alpaca con el siguiente formato:

- `instruction`: qué pregunta el usuario
- `input`: contexto adicional
- `output`: respuesta estructurada en copywriting, asignación de presupuesto, targeting y más

## 🎯 Casos de uso esperados
- Simulación de estrategias publicitarias
- Generación de copys persuasivos
- Evaluación de canales según eficiencia
- Asistencia a ejecutivos de cuentas en agencias

## ⚙️ Detalles técnicos
- Base model: `meta-llama/Llama-3.2-1B`
- Técnica: `QLoRA` + `PEFT`
- Tokenizer adaptado
- Parámetros entrenables: solo LoRA adapters
- Máximo contexto: 512 tokens

## 🧠 Ejemplo de uso
```python
from transformers import AutoModelForCausalLM, AutoTokenizer
import torch

model = AutoModelForCausalLM.from_pretrained("RafaM97/Interius-LLM", device_map="auto", torch_dtype=torch.float16)
tokenizer = AutoTokenizer.from_pretrained("RafaM97/Interius-LLM")

prompt = "¿Cómo distribuir $50,000 entre Google y Meta para una campaña educativa en Monterrey?"
inputs = tokenizer(prompt, return_tensors="pt").to("cuda")
outputs = model.generate(**inputs, max_new_tokens=300)
print(tokenizer.decode(outputs[0], skip_special_tokens=True))


---
license: mit
---