Prototipo académico (Maestría en Inteligencia Artificial, Tecmilenio). Clasifica el mensaje de un cliente B2B de Componentes Automotrices del Bajío (empresa ficticia) en cinco intenciones para decidir si el chatbot responde solo o pasa la conversación a un ejecutivo.
| Intención | Acción del chatbot |
|---|---|
| estatus_orden | Respuesta automática con el estatus de SAP (simulado) |
| fecha_entrega | Respuesta automática con el modelo de ETA |
| queja | Escalar a un ejecutivo |
| contactar_ejecutivo | Escalar a un ejecutivo |
| otro | Canalizar al área correspondiente |
data-v3.0.0: muestra de Bitext (CDLA-Sharing-1.0) + mensajes simulados de CAB en español e inglés.082d216dab11ca738add440bfd7b9d4ee45bab64 (árbol limpio: True).| Conjunto | Accuracy | F1 macro | Respondidas en automático | Automáticas erróneas |
|---|---|---|---|---|
| Prueba (data-v3.0.0, 400 mensajes) | 0.993 | 0.992 | 0.403 | 3 |
| Prueba externa escrita a mano (160 mensajes) | 0.964 | 0.965 | 0.412 | 6 |
Accuracy de la prueba externa por idioma: en: 0.975, es: 0.956, mix: 1.000. Latencia en CPU: mediana 67.1 ms.
Los mensajes de CAB son simulados y la prueba externa la escribió el autor; los resultados deben
confirmarse con conversaciones reales en el piloto. Los pesos se guardan en 16 bits; para usarlos en
CPU se cargan en 32 bits (dtype=torch.float32). El archivo config_cab.json contiene la temperatura,
el umbral y las versiones de datos y código.
from transformers import AutoTokenizer, AutoModelForSequenceClassification
import torch
tok = AutoTokenizer.from_pretrained("gagarang/router-intencion-cab-mdeberta", revision="model-v1.0.0")
model = AutoModelForSequenceClassification.from_pretrained("gagarang/router-intencion-cab-mdeberta", revision="model-v1.0.0", dtype=torch.float32)
MoritzLaurer/mDeBERTa-v3-base-mnli-xnli