/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
438 млн
Лицензия
Apache 2.0
Архитектура
llama · dense
Базовая модель
zagreus-0.4B-ita
Библиотека
transformers
Опубликована
17 июл 2026

zagreus-0.4b-italic-kl

Генерация текстаТекст → текст3 профессии

Дообученная итальянская модель на 438 млн параметров для выбора ответа в тестах с четырьмя вариантами и бенчмарка ITALIC.

40скачиваний за 30 дней0лайковвеса обновлены17 июл 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Zagreus 0.4B ITALIC KL — плотная языковая модель семейства Llama, разработанная GitMarco27 как полное дообучение mii-llm/zagreus-0.4B-ita для Italian Post-Training Challenge 2026. Модель специализируется на выборе ответа в заданиях с четырьмя вариантами: она учится выражать вероятности ответов базовой модели через первую сгенерированную букву варианта. Чекпойнт содержит около 437,7 млн параметров, сохранён в BF16 и формате safetensors; контекст — до 4096 токенов.

Модель предназначена для оценки вариантов в итальянских вопросах по культуре, гражданским знаниям, словарным определениям и синонимам. В официальной zero-shot оценке ITALIC она показала точность 0,3381 на 10 000 вопросов; результат на публичной выборке разработки составил 0,5813. Для обычного вывода README рекомендует жадное декодирование и генерацию одного токена. Модель не рассчитана на роль универсального помощника: обучение направлено на первый токен, последующая генерация может повторяться, а обучение лучше охватывает лексику, культуру и гражданские темы, чем синтаксис, орфографию и морфологию. Лицензия — Apache-2.0.

Сценарии применения

  • выбор правильного варианта в итальянских тестах с четырьмя ответами
  • ответы на вопросы о культуре и гражданских знаниях Италии
  • выбор подходящего итальянского словарного определения
  • поиск синонима в тестовом задании на итальянском языке

Ограничения

Модель специализирована на бенчмарке и не предназначена для общих инструкций; после первого токена может повторять текст, поэтому для выбора ответа рекомендуется генерировать один токен. Обучающие данные лучше покрывают лексику, культуру и гражданские темы, чем синтаксис, орфографию и морфологию.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Zagreus 0.4B ITALIC KL

This model is a full BF16 fine-tune of mii-llm/zagreus-0.4B-ita for the Italian Post-Training Challenge 2026. It is trained to express the base model's answer-text probabilities through the first generated multiple-choice letter.

Results

EvaluationSettingQuestionsAccuracy
ITALIC official run_eval.pyzero-shot, fast=true, temperature 010,0000.3381
Public domain development setzero-shot, greedy4800.5813
KL held-out setfirst-token letter accuracy924 records after filtering0.6190

The official evaluator is pinned to commit 92df420ff686babeea54e217b9f90f8471374916. Zero-shot evaluation is configured by setting few_shot_file: null in the official ITALIC configuration. This differs from the repository's five-shot default and was accepted for this challenge submission.

Method

For each answer option, the base model produces a domain-conditional cloze-PMI score:

s_i = log P(option_i | question) - log P(option_i | domain prompt)
q   = softmax(s / tau)

Two balanced option permutations are created for each question. At the first generation position, the model is trained with the following loss:

L = KL(q || softmax(z_ABCD))
  + lambda * CE(z_ABCD, gold)
  + mu * (-log P(first token is A, B, C, or D))

The final hyperparameters are tau=1, lambda=1, mu=0.1, learning rate 1e-4, batch size 16, five epochs, weight decay 0.01, and seed 42. The teacher and student both start from the mandatory base model. No external teacher checkpoint or generation API is used.

Training data

The 21,847-question source pool contains:

  • 9,847 culture and civics questions from efederici/pinocchio;
  • 6,000 definition questions derived from mik3ml/italian-dictionary;
  • 6,000 synonym questions derived from fraug-library/synonyms_dictionnaries.

The KL build selects 5,000 training questions and 500 question-disjoint held-out questions, then creates two permutations per question. The 256-token prompt filter leaves 9,294 training records and 924 held-out records.

The source pool is deduplicated and checked against all ITALIC questions with exact normalized matching, MinHash LSH, and RapidFuzz confirmation. The final audit found no question overlap. ITALIC labels are not used for training.

The dataset repository records the original terms for each source. The Hugging Face card for the synonym mirror does not declare a license, so users should review its upstream terms before redistributing derived data.

Usage

This checkpoint is specialized for four-option multiple-choice questions. The following example uses the same prompt style as the official fast evaluation:

from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "GitMarco27/zagreus-0.4b-italic-kl"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(model_id, device_map="auto")

messages = [
    {"role": "system", "content": "Sei un assistente utile."},
    {
        "role": "user",
        "content": (
            "Rispondi alla seguente domanda a scelta multipla. "
            "Scrivi solo la lettera corretta.\n\n"
            "Qual è la capitale d'Italia?\n\n"
            "A) Milano\nB) Roma\nC) Torino\nD) Napoli\n\nRisposta:"
        ),
    },
]

inputs = tokenizer.apply_chat_template(
    messages,
    add_generation_prompt=True,
    return_tensors="pt",
    return_dict=True,
).to(model.device)
output = model.generate(**inputs, do_sample=False, max_new_tokens=1)
print(tokenizer.decode(output[0, inputs["input_ids"].shape[1]:], skip_special_tokens=True))

Final run

The final run used one NVIDIA A100 80GB PCIe GPU. The allocation lasted 0.7531 hours, including setup, target generation, training, evaluation, transfer, and verification. Based on the recorded provider price ratio, this equals 0.3622 H100-equivalent hours.

The immutable base revision is f463a5beabf054809ee3cc702c711215a5fde690. The model weights have SHA-256 5e0284467f727f22000b897a3c40f3e5c24b519de463f71a4212149fe1913c6e.

Limitations

This is a benchmark-specific model, not a general instruction model. Training directly supervises the first generated token, so later tokens may repeat. For normal multiple-choice inference, use greedy decoding with max_new_tokens=1.

The model has about 438 million parameters. Its training data covers lexical, cultural, and civic questions better than syntax, orthography, and morphology.

Development tools

Development of this project relied on AI assistants: Claude Fable 5, GPT-5.6-sol, Claude Opus, and Qwen3.6 27B. They supported code writing, experiment analysis, and documentation. The assistants were not used to generate training data: all KL targets were produced with the mandatory base model itself, as described above, and no external API was used for synthetic generation.

References

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
a3d86da

0 моделей