/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
438 млн
Лицензия
Apache 2.0
Архитектура
llama · dense
Базовая модель
zagreus-0.4B-ita
Опубликована
6 авг 2026

zagreus-0.4B-italic-extkd

Генерация текстаТекст → текст3 профессии

Небольшая модель Llama, дообученная дистилляцией для ответов на тестовые вопросы об итальянском языке и культуре.

33скачиваний за 30 дней0лайковвеса обновлены6 авг 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-extkd — языковая модель команды idealab-cs2, созданная на основе mii-llm/zagreus-0.4B-ita для итальянского бенчмарка ITALIC. Это плотная модель архитектуры Llama с 437,7 млн параметров и контекстом 4096 токенов; веса опубликованы в формате safetensors. Модель дообучена в три этапа методом мягкой дистилляции знаний и предназначена для ответов на вопросы с выбором варианта об итальянском языке и культуре.

В официальной оценке ITALIC на 10 000 вопросах модель достигла точности 0,4932 в режиме пяти примеров, с температурой 0 и ответом только буквой. Она подходит для грамматических и лексических вопросов, а также вопросов по культуре, истории и географии Италии в формате теста. Для свободного диалога и задач вне этого формата следует ожидать возможностей базовой модели. Лицензия — Apache-2.0.

Сценарии применения

  • выбор правильного ответа в тестах по итальянской грамматике
  • ответы на вопросы о лексике и значениях итальянских слов
  • прохождение тестов по итальянской культуре и истории
  • ответы на вопросы о географии и туризме Италии
  • оценка знаний по итальянской орфографии и морфологии

Ограничения

Специализирована на вопросах с выбором ответа в формате ITALIC; вне этого формата ожидаются возможности базовой модели. На ITALIC достигла точности 0,4932, причём точность заметно различается между категориями.

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-extkd

Submission for the mii-llm Italian Post-Training Challenge. This is mii-llm/zagreus-0.4B-ita (437M, Llama architecture) post-trained for the ITALIC benchmark, 10,000 multiple-choice questions on Italian culture and language.

ModelITALIC full 10K (5-shot fast, temp 0, official harness)
zagreus-0.4B-ita (base)0.2802
idealab-cs2/zagreus-0.4B-italic-softkd (our previous submission)0.4787
this model0.4932 (confirmed 0.4921 and 0.4929 on two independent reruns)

Training

Three soft knowledge-distillation stages from the base model, within the challenge budget of 10 H100 GPU hours (measured replay: ~8.9–9.9 H100h including data generation, teacher labeling and all confirmation evaluations; stage-3 training measured 1h42m on an RTX PRO 6000 Blackwell).

For every training question a teacher committee provides its probability distribution over the answer letters at the answer token (stage 1: a 3-teacher committee — Mistral-Small-3.2-24B, Gemma-3-27B, Qwen3-32B, each fitting a single H100 in bf16; stage 2: a public 2-teacher committee — Qwen2.5-72B-Instruct-AWQ + Mistral-Small-3.2-24B; stage 3: Mistral-Small-3.2-24B). The student is trained in fp32 with a KL term on that distribution (temperature 2.0) plus cross-entropy on the gold letter (weight 0.5).

  • Stage 1 (from base): 21,606 items — pinocchio-derived knowledge MCQs, committee-labeled grammar MCQs, and generated orthography/morphology MCQs for the categories where public data is scarce. → 0.4787
  • Stage 2 (M2): 22,950 culture-focused committee-labeled items (italic-m2-culture-pool), LR 2e-5, seed 99, best checkpoint at step 2000. → 0.4878/0.4880
  • Stage 3 (extkd, this model): 28,561 external in-distribution items — the public datasets italic_sft (20,665), italic_sft_ext (3,268), quiz_militare (3,641) and a pinocchio sample — soft-labeled by Mistral-Small-3.2-24B (public, local) and agreement-filtered, best checkpoint at step 1500. → 0.4921–0.4932

Every pool is decontaminated against the ITALIC test set (exact match plus semantic similarity at cosine 0.80; the external datasets show 0 exact leaks and 0 near-duplicates at that threshold; a pinocchio sample with 0.74% near-duplicates was dropped). All pools are answer-position balanced (~25% per letter) — we found that position skew in synthetic MCQ pools causes answer-distribution collapse in the student.

Stage-1 training data is published on the Hub: italic-softkd-pool. Training code, the decontamination manifest and the complete report (including what did not work) are in the submission repository: https://github.com/ruggsea/italic-challenge-submission

Evaluation

Official ITALIC harness, unmodified: vLLM server, fast mode (letter-only answers), 5-shot, temperature 0, accuracy over all 10,000 questions. The chat template is embedded in the tokenizer config; serve the model with its own template.

vllm serve idealab-cs2/zagreus-0.4B-italic-extkd --chat-template-content-format auto

Per-category accuracy: civic education .56, lexicon .58, synonyms and antonyms .55, current events .53, tourism .51, geography .50, art history .49, history .47, syntax .45, literature .42, orthography .42, morphology .39.

Acknowledgments

Training, data curation and evaluation by ruggsea, using compute resources of the Complex Social & Computational Systems (CS²) group, IDea_Lab, University of Graz.

Intended use

This model is specialized for Italian multiple-choice question answering in the ITALIC format. It is a 0.4B model: outside this format expect base-model-level capabilities.

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
0ace47f

0 моделей