DACNova

☕ Support my research

DACNova – Model Card

DACNova è un modello linguistico conversazionale di scala intermedia (~400M parametri) sviluppato da M.INC. Research come parte della Little DAC Collection. Il modello è progettato per offrire un equilibrio ottimale tra coerenza conversazionale, capacità di ragionamento e efficienza computazionale, rendendolo adatto a contesti edge e sistemi con risorse limitate.

---

Model Details

• Nome del modello: DACNova
• Tipologia: Transformer decoder-only autoregressivo
• Parametri: ~400M
• Dominio: Conversational AI / Instruction Following
• Obiettivo: Rispondere a istruzioni e conversazioni multi-turno in maniera coerente e affidabile
• Architettura: Decoder-only Transformer con attenzione autoregressiva ottimizzata

---

Training Data

DACNova è stato addestrato su dataset proprietari curati da M.INC. Research, focalizzati su:

• Linguaggio naturale generale
• Conversazioni multi-turno
• Dati strutturati per l’addestramento istruttivo (instruction following)

Nota: I dettagli completi dei dataset e della pipeline di training non sono pubblici.

---

Intended Use

• Assistenti conversazionali intelligenti
• Sistemi di Q&A o tutor virtuali
• Applicazioni on-device o edge con vincoli di latenza

---

Limitations & Biases

• DACNova è un modello di scala intermedia: può avere limiti su ragionamenti complessi o multi-step rispetto ai modelli più grandi.
• Può riflettere bias presenti nei dati di addestramento proprietari.
• Non è progettato per uso medico, legale o decisionale critico senza supervisione umana.

---

Ethical Considerations

• Utilizzo responsabile in applicazioni commerciali o pubbliche.
• Evitare la generazione di contenuti offensivi, illegali o discriminatori.
• La modellazione è destinata esclusivamente a scenari di conversazione e istruzione.

---

Evaluation

• Coerenza conversazionale su dialoghi multi-turno: elevata
• Ragionamento base (logica e deduzioni semplici): buona
• Efficienza di inferenza: ottimizzata per contesti a risorse limitate

Risultati preliminari dettagliati nel whitepaper DACNova

---

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer

tokenizer = AutoTokenizer.from_pretrained("Mattimax/DACNova")
model = AutoModelForCausalLM.from_pretrained("Mattimax/DACNova")

prompt = "Spiegami in breve la differenza tra IA e ML."
inputs = tokenizer(prompt, return_tensors="pt")
outputs = model.generate(**inputs, max_new_tokens=100)
print(tokenizer.decode(outputs[0]))

---

Links & References

• GitHub Repository: DACNova
• Little DAC Collection: Hugging Face
• Autore: Mattimax
• Organizzazione: M.INC. Research

---

License

Distribuito sotto Licenza MIT. Per dettagli sull’uso commerciale o accesso completo ai materiali, fare riferimento al repository ufficiale.