datarpit/distilbert-base-uncased-finetuned-natural-questions

from transformers import AutoModelForQuestionAnswering, AutoTokenizer
import torch

# Cargar el modelo y el tokenizador
model_name = 'datarpit/distilbert-base-uncased-finetuned-natural-questions'
model = AutoModelForQuestionAnswering.from_pretrained(model_name)
tokenizer = AutoTokenizer.from_pretrained(model_name)

# Pregunta y contexto de ejemplo
question = "¿Qué es Hugging Face?"
context = "Hugging Face es una compañía que desarrolla herramientas de aprendizaje automático."

# Tokenizar
inputs = tokenizer(question, context, add_special_tokens=True, return_tensors="pt")
input_ids = inputs['input_ids'].tolist()[0]

# Obtener resultados del modelo
outputs = model(**inputs)
answer_start_scores = outputs[0]
answer_end_scores = outputs[1]

# Encontrar las posiciones de inicio y final con mayor puntuación
answer_start = torch.argmax(answer_start_scores)
answer_end = torch.argmax(answer_end_scores) + 1

# Decodificar la respuesta
answer = tokenizer.decode(input_ids[answer_start:answer_end])
print(f'Respuesta: {answer}')