🧠 Píldoras LLM #09 — Buscador de modelos

Se corresponde con el capítulo 1 del curso de Hugging Face

🔗 ✨ Ver cuaderno en 🟠 Google Colab

🔍 Encuentra el modelo adecuado en el Hugging Face Hub

El Hub de Modelos de Hugging Face no es solo un repositorio gigantesco: es una herramienta muy potente que te permite buscar, filtrar y seleccionar el modelo ideal para tu proyecto de Procesamiento del Lenguaje Natural (PLN).

Puedes refinar tu búsqueda fácilmente usando los filtros de la interfaz web:

• Tarea: por ejemplo, Text Generation, Question Answering, NER, etc.
• Idioma: selecciona modelos entrenados para trabajar en Spanish, English u otros idiomas.
• Checkpoints: versiones del mismo modelo optimizadas para diferentes escenarios.

👉 Al aplicar filtros, verás que en la parte superior se muestra el resumen de tu búsqueda activa. Esto hace que encontrar modelos adecuados sea rápido y eficiente.

🌍 Modelos multilingües: más opciones, más posibilidades

Algunos modelos han sido entrenados para manejar varios idiomas. Por ejemplo, puedes seleccionar la tarea Text Generation y luego aplicar el filtro Languages → Spanish para encontrar modelos diseñados para generar texto en castellano.

Esto es especialmente útil si trabajas en proyectos internacionales o necesitas procesar contenido en diferentes lenguas.

🤖 Asistentes de IA como apoyo (pero con cautela)

Herramientas como ChatGPT, Gemini o DeepSeek pueden ser útiles para inspirar o sugerir modelos, parámetros y estrategias de búsqueda. Sin embargo:

• Su conocimiento puede estar sesgado o incompleto.
• No siempre reflejan el estado más actualizado del Hugging Face Hub.
• Debes usarlos como punto de partida, pero la decisión final siempre debe ser tuya.

⚠️ En el futuro esto cambiará con el avance hacia una IA más general, pero hoy por hoy sigue siendo un proceso guiado por el criterio humano.

🧪 Probar antes de descargar: el widget interactivo

Una de las funciones más útiles del Hub es el widget de prueba en línea. Cuando haces clic en un modelo, podrás:

• Ejecutar ejemplos pre-configurados.
• Introducir tu propio texto y analizar el resultado.
• Ajustar parámetros o cambiar la interfaz de prueba.

💡 Esto te permite evaluar rápidamente las capacidades del modelo antes de integrarlo en tu código.

✨ Experimenta tú mismo

Te animo a que explores el buscador, apliques filtros, pruebes modelos en otros idiomas y experimentes con el widget online. Una vez tengas claro cuál se adapta mejor a tu necesidad, ¡llévalo a tu pipeline() y empieza a crear!