من روی مدل‌های زبانی باز و داده‌هایی کار می‌کنم که آن‌ها را واقعاً کاربردی می‌کند: داده‌های آموزشی چندزبانه برای یک مدل زبانی بزرگ و باز اروپایی، بنچمارک برای زبان‌هایی که منابع کمی دارند، تولید خودکار و کنترل‌شده‌ی محتوای آموزشی، و به‌کارگیری مدل‌های زبانی در طراحی پروتئین و داده‌های صنعتی.
دکتری خود را در بهمن ۱۴۰۴ (فوریه ۲۰۲۶) از دانشگاه سی‌ینا با راهنمایی مارکو گوری گرفتم و اکنون در دپارتمان مهندسی اطلاعات و ریاضیات (DIISM) همین دانشگاه با مارکو گوری و مارکو ماجینی پژوهش می‌کنم. پیش از آن، کارشناسی ارشد ریاضی کاربردی (علم داده) را در سی‌ینا و کارشناسی آمار کاربردی را در دانشگاه هرمزگان گذراندم.
کارهای من برای زبان فارسی
- FarSense: بنچمارک جامع استدلال عقل سلیم برای زبان فارسی (IJCNLP-AACL 2025).
- TalkFa: بنچمارک تولید و درک گفت‌وگو به فارسی (۲۰۲۶).
- PersianMCQ-Instruct: مجموعه‌داده و مدل‌هایی برای تولید پرسش‌های چندگزینه‌ای فارسی (LoResLM 2025).
- MultiHint-9K: راهنمایی‌های آموزشی به انگلیسی، ایتالیایی و فارسی (AIED 2026).
همه‌ی داده‌ها، کدها و مدل‌ها به‌صورت باز در GitHub و Hugging Face منتشر شده‌اند.
برای همکاری در پردازش زبان طبیعی آموزشی، زبان‌های کم‌منبع یا ارزیابی مدل‌های زبانی، به من ایمیل بزنید: kamyar.zeinalipour2@unisi.it