slices:
  - sources:
      - model: TheHierophant/Underground-Cognitive-V0.3-test
        layer_range: [0, 8]
        parameters:
          attention:
            - filter: q_proj
              value: 1.15
            - filter: k_proj
              value: 1.1
            - filter: v_proj
              value: 1.2
            - filter: down_proj
              value: 1.1
          significance: 0.85  # Añadir relevancia para reforzar cálculos precisos en las primeras capas
          weight: 0.3  # Peso para garantizar que las capas iniciales manejen la información con precisión
          rope_scaling:
            type: "linear"
            value: 0.7  # Ajuste para mejorar la capacidad posicional
  - sources:
      - model: TheHierophant/Underground-Cognitive-V0.3-test
        layer_range: [8, 16]
        parameters:
          attention:
            - filter: q_proj
              value: 1.25
            - filter: k_proj
              value: 1.15
            - filter: v_proj
              value: 1.3
            - filter: down_proj
              value: 1.2
          weight: 0.35
          significance: 0.9  # Aumentar el enfoque en la lógica matemática básica para diferenciar iteración y recursión
          rope_scaling:
            type: "linear"
            value: 0.85  # Factor dinámico para asegurar flexibilidad y ajuste automático en cálculos
  - sources:
      - model: TheHierophant/Underground-Cognitive-V0.3-test
        layer_range: [16, 32]
        parameters:
          attention:
            - filter: o_proj
              value: 1.5
            - filter: q_proj
              value: 1.4
            - filter: v_proj
              value: 1.35
            - filter: down_proj
              value: 1.3
          weight: 0.4  # Más peso a capas medias para reforzar razonamiento intermedio
          significance: 0.85  # Focalización para la transferencia de atención a capas superiores
  - sources:
      - model: TheHierophant/Underground-Cognitive-V0.3-test
        layer_range: [32, 48]
        parameters:
          attention:
            - filter: o_proj
              value: 2.0
            - filter: q_proj
              value: 1.8
            - filter: v_proj
              value: 1.7
            - filter: down_proj
              value: 1.65
          weight: 0.5  # Incremento de peso para fortalecer las capas profundas y el análisis complejo
          significance: 0.95  # Enfoque en mejorar la lógica no lineal y reforzar la atención en problemas complejos
base_model_config:
  attention_bias: false
  attention_dropout: 0.05  # Añadir dropout para prevenir sobreajuste en cálculos repetitivos
  hidden_act: "silu"  # Mantener la función silu para una activación suave y continua
  hidden_size: 4096
  initializer_range: 0.02
  intermediate_size: 14336
  max_position_embeddings: 4096
  num_attention_heads: 32
  num_hidden_layers: 48
  num_key_value_heads: 8
  pretraining_tp: 1
  rms_norm_eps: 1e-05
  rope_scaling:
    type: "linear"  # Ajuste basado en el tipo linear para optimizar la capacidad adaptativa
    value: 1.1  # Factor ajustado para mantener un escalamiento eficiente
  rope_theta: 12000.0  # Ajustado para mejorar la capacidad posicional en tareas matemáticas
  tie_word_embeddings: false
  vocab_size: 32000
  use_cache: true  # Habilitar cache para mejorar eficiencia durante la inferencia
  dtype: bfloat16
merge_method: passthrough