GPT-OMNI

license: apache-2.0 datasets:

• EleutherAI/the_pile_deduplicated
• SaylorTwift/the_pile_books3_minus_gutenberg
• sordonia/narrativeqa
• wecover/OPUS_OpenSubtitles
• bookcorpus/bookcorpus
• big-banyan-tree/BBT_CommonCrawl_2024
• nu-dialogue/real-persona-chat language:
• it
• en metrics:
• rouge
• perplexity
• f1 base_model:
• nvidia/Llama-3.1-Nemotron-70B-Instruct-HF pipeline_tag: question-answering

---

Model Card for Multilingual QA Model

Model Details

Model Description

Questo modello è stato progettato per compiti di Question Answering (QA) in due lingue principali: italiano e inglese. È basato sul modello nvidia/Llama-3.1-Nemotron-70B-Instruct-HF e ottimizzato su una vasta gamma di dataset narrativi, conversazionali e testuali.

• Sviluppato da: Team OpenAI GPT
• Finanziato da: Collaborazioni accademiche e industriali (da specificare se necessario).
• Condiviso da: Utente anonimo su Hugging Face.
• Tipo di modello: Instruct-based Language Model
• Lingue supportate: Italiano, Inglese
• Licenza: Apache 2.0
• Base: nvidia/Llama-3.1-Nemotron-70B-Instruct-HF

Model Sources

• Repository: [Link a Hugging Face o GitHub]
• Demo: [Link alla demo su Hugging Face Spaces o app dedicata]

Uses

Direct Use

Il modello è progettato per rispondere a domande complesse, generare riassunti, tradurre testi e svolgere analisi di documenti in italiano e inglese.

Downstream Use

Può essere adattato per applicazioni in domini specifici, come l’assistenza sanitaria, il supporto clienti o la ricerca accademica, previa fine-tuning.

Out-of-Scope Use

Non adatto per:

• Predizioni cliniche o finanziarie.
• Decisioni che richiedono alta precisione o validazione umana.

Bias, Risks, and Limitations

Bias

Il modello potrebbe riflettere pregiudizi culturali o linguistici presenti nei dataset utilizzati, specialmente in contesti sensibili o minoritari.

Limitations

• Prestazioni limitate per lingue non allenate.
• Possibile generazione di risposte incoerenti o non verificate.

Recommendations

Si consiglia un controllo umano nelle applicazioni critiche per evitare errori.

How to Get Started with the Model

Per utilizzare il modello, eseguire il seguente codice:

from transformers import pipeline

qa_pipeline = pipeline("question-answering", model="model_id")
result = qa_pipeline(question="Qual è il capitale d'Italia?", context="L'Italia è un paese dell'Europa con capitale Roma.")
print(result)