feat(datascience): GLiREL relation extractor (zero-shot triplets) drop-in con LLM

- glirel_load_model: cache por (model_name, device); device='auto' resuelve via torch
- extract_relations_glirel: tokeniza por whitespace, mapea spans char->token,
  llama predict_relations y devuelve RelationCandidate; fallback text.find si la
  entidad llega sin offsets; max_pairs=N -> top-N por score
- pyproject.toml: glirel en extra nlp

Closes #0039

Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>

python/functions/datascience/glirel_load_model.py

@@ -0,0 +1,63 @@
+"""Carga (y cachea) un modelo GLiREL en el device deseado."""
+
+from __future__ import annotations
+
+from typing import Any
+
+# Cache global: (model_name, device) -> modelo cargado.
+_MODEL_CACHE: dict[tuple[str, str], Any] = {}
+
+
+def _resolve_device(device: str) -> str:
+    """Resuelve `device='auto'` a `cuda` o `cpu` segun disponibilidad."""
+    if device != "auto":
+        return device
+    try:
+        import torch
+    except ImportError:
+        return "cpu"
+    return "cuda" if torch.cuda.is_available() else "cpu"
+
+
+def glirel_load_model(
+    model_name: str = "jackboyla/glirel-large-v0",
+    device: str = "auto",
+) -> Any:
+    """Carga un modelo GLiREL con cache por (model_name, device).
+
+    La primera llamada descarga el modelo desde HuggingFace (~500 MB para
+    `glirel-large-v0`). Llamadas sucesivas con los mismos parametros
+    devuelven la instancia cacheada.
+
+    Args:
+        model_name: ID del modelo en HuggingFace Hub.
+        device: 'auto' usa CUDA si esta disponible, o 'cpu'/'cuda'/'cuda:N'
+            de forma explicita.
+
+    Returns:
+        Instancia del modelo GLiREL lista para `predict_relations`.
+
+    Raises:
+        ImportError: si la dependencia `glirel` no esta instalada.
+            Solucion: `uv pip install glirel` o instalar el extra `nlp`
+            del proyecto (`uv pip install -e '.[nlp]'`).
+    """
+    resolved_device = _resolve_device(device)
+    cache_key = (model_name, resolved_device)
+    cached = _MODEL_CACHE.get(cache_key)
+    if cached is not None:
+        return cached
+
+    try:
+        from glirel import GLiREL
+    except ImportError as exc:
+        raise ImportError(
+            "glirel no esta instalado. Instalalo con "
+            "`uv pip install glirel` o `uv pip install -e '.[nlp]'`."
+        ) from exc
+
+    model = GLiREL.from_pretrained(model_name)
+    if hasattr(model, "to"):
+        model.to(resolved_device)
+    _MODEL_CACHE[cache_key] = model
+    return model