Downloads · 30 days
28
27% of all-time downloads
PicoDAC-IT
Mattimax/PicoDAC-IT
PicoDAC-IT is a machine learning model from Mattimax. Use it for the machine learning task on the model card, and read the license before you ship it in a product. It is set up for transformers. The card lists the license as gpl-3.0.
All-time downloads
103
Public
Parameters
5.1M
6.6 MB on disk
Likes
0
Public
Repo makeup
Click a slice to open those files.
.safetensors6.6 MB · 88%
Parameter types
How the weights are stored.
I84.6M · 91%
Base models
Datasets
Model card
From the Hugging Face model README
PicoDAC-IT (Instruction-Tuned)
Informazioni sul modello
Descrizione: PicoDAC è un modello di linguaggio compatto progettato per chat in lingua italiana. Basato su una architettura Transformer leggera, è ottimizzato per essere rapido e facilmente distribuibile. Questo modello è un esperimento ed è ancora in fase di sviluppo, quindi le prestazioni possono essere limitate rispetto a modelli più grandi e sofisticati.
Dataset di addestramento: Questa versione migliorata del modello è stata addestrata sul dataset italian-dataset-mini
Obiettivo: Fornire un prototipo di chatbot italiano leggero, utile per test, sperimentazioni e applicazioni dove la dimensione del modello e la velocità sono prioritarie rispetto alla qualità generativa.
Caratteristiche tecniche
- Architettura: Transformer autoregressivo compatto
- Dimensione del vocabolario: 1.920 token
- Lunghezza massima del contesto: 64 token
- Numero di strati (layers): 6
- Numero di teste di attenzione: 6
- Dimensione embedding: 240
- Quantizzazione: int8 per la maggior parte dei pesi, con embedding e layernorm ottimizzati a bit più alti
Avvertenze e limitazioni
- Questo modello è ancora sperimentale: può generare risposte incoerenti o incomplete.
- Non è addestrato per conversazioni sensibili o contenuti critici.
- Performance su testi lunghi o conversazioni complesse sono limitate a causa della breve lunghezza del contesto e della piccola dimensione del modello.
Uso previsto
- Chatbot sperimentali in italiano
- Applicazioni leggere dove la dimensione del modello è critica
- Prototipazione e testing di modelli di dialogo
Nota: consigliato l’uso con input brevi e contesti semplici.
Integrazione consigliata
- Applicazioni mobile: dimensione ridotta e quantizzazione riducono il consumo di RAM e storage.
- Sperimentazione NLP: utile per test di prompt, fine-tuning leggero o per costruire dataset sintetici.
Riferimenti
- Dataset: italian-dataset-mini
- Autore: Mattimax
- Organizzazione: M.INC
- Library
- transformers
- Type
- tiny-gpt
- License
- gpl-3.0
- Languages
- it
- Created
- Oct 7, 2025
- Updated
- Oct 7, 2025