初始化项目，由ModelHub XC社区提供模型

Model: signorbuco/europagen-v1-merged
Source: Original Platform

README.md

@@ -0,0 +1,72 @@
+---
+base_model: Qwen/Qwen3-1.7B
+license: apache-2.0
+language:
+  - it
+tags:
+  - qwen3
+  - italian
+  - europagen
+  - merged
+datasets:
+  - open-ita-llms/OpenSFT-ita
+  - anakin87/fine-instructions-ita-70k
+  - DeepMount00/o1-ITA-REASONING
+---
+
+# EuropaGen v1 (1.7B) — merged weights
+
+**EuropaGen v1** è un modello linguistico open source da 1.7 miliardi di parametri, basato su **Qwen3-1.7B** e specializzato per l'italiano. È un progetto indipendente sviluppato e mantenuto da **Federico Barros** come unico sviluppatore.
+
+Questo repository contiene i **pesi completi già uniti** (LoRA/QLoRA adapter fuso nel modello base) — nessun PEFT necessario per caricarlo, pronto per il deploy diretto (es. con vLLM).
+
+Per la versione solo-adapter (più leggera, ~140MB), vedi [signorbuco/europagen-v1](https://huggingface.co/signorbuco/europagen-v1).
+
+## Dettagli del modello
+
+- **Modello base:** [Qwen/Qwen3-1.7B](https://huggingface.co/Qwen/Qwen3-1.7B) (Apache-2.0)
+- **Metodo di fine-tuning:** QLoRA (rank 32, alpha 64), poi merge nei pesi completi
+- **Parametri:** ~2.03B
+- **Lingua:** Italiano
+- **Sviluppatore:** Federico Barros (unico sviluppatore del progetto)
+- **Licenza:** Apache-2.0
+
+## Dati di training
+
+| Dataset | Licenza |
+|---|---|
+| [open-ita-llms/OpenSFT-ita](https://huggingface.co/datasets/open-ita-llms/OpenSFT-ita) | Apache-2.0 |
+| [anakin87/fine-instructions-ita-70k](https://huggingface.co/datasets/anakin87/fine-instructions-ita-70k) | Apache-2.0 |
+| [DeepMount00/o1-ITA-REASONING](https://huggingface.co/datasets/DeepMount00/o1-ITA-REASONING) | CC BY 4.0 |
+
+Tutte le licenze permettono uso commerciale con attribuzione.
+
+## Come usarlo
+
+```python
+from transformers import AutoModelForCausalLM, AutoTokenizer
+
+tokenizer = AutoTokenizer.from_pretrained("REPO_ID_QUI")
+model = AutoModelForCausalLM.from_pretrained("REPO_ID_QUI", torch_dtype="bfloat16", device_map="auto")
+
+messages = [{"role": "user", "content": "Chi sei?"}]
+text = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
+inputs = tokenizer(text, return_tensors="pt").to(model.device)
+output = model.generate(**inputs, max_new_tokens=200, do_sample=False)
+print(tokenizer.decode(output[0][inputs["input_ids"].shape[1]:], skip_special_tokens=True))
+```
+
+Oppure con vLLM:
+
+```bash
+vllm serve REPO_ID_QUI
+```
+
+## Limiti
+
+- Modello da 1.7B parametri: capacità di conoscenza enciclopedica limitata, non affidabile per fatti storici/tecnici precisi.
+- Fine-tuning di scala contenuta (20k esempi, early stopping a ~64% della prima epoca): buona aderenza allo stile del dataset, non un salto di capacità generale.
+
+## Licenza
+
+Apache-2.0, in eredità dalla licenza del modello base Qwen3-1.7B e di tutti i dataset di training utilizzati.