Lavoro su modelli linguistici aperti e sui dati che li rendono davvero utili: i dati di istruzione multilingue dietro un modello linguistico aperto europeo, benchmark per lingue con poche risorse, contenuti didattici generati e verificati in modo automatico, e modelli linguistici applicati alle proteine e ai dati industriali.
Ho conseguito il dottorato all'Università di Siena nel febbraio 2026, con la supervisione di Marco Gori, e ora sono ricercatore post-doc al Dipartimento di Ingegneria dell'Informazione e Scienze Matematiche (DIISM), con Marco Gori e Marco Maggini. In precedenza ho conseguito la laurea magistrale in Matematica applicata (Data Science) a Siena e la laurea triennale in Statistica applicata all'Università di Hormozgan.
Il lavoro sull'italiano
- Un generatore di cruciverba educativi in italiano (CLiC-it 2023), poi esteso in CLiC-it 2024 e nell'Italian Journal of Computational Linguistics (2025).
- PharmaQA.IT: un dataset di domande e risposte in italiano in ambito farmaceutico (EACL 2026).
- ECWCA, la sfida sui cruciverba educativi all'interno di CALAMITA, l'iniziativa per valutare i modelli linguistici in italiano.
- I modelli Villanova, addestrati in Italia per inglese, italiano, tedesco, spagnolo e francese, con Multi-SFT.
Dati, codice e modelli sono pubblici su GitHub e Hugging Face.
Per collaborare su NLP per la didattica, lingue con poche risorse o valutazione dei modelli linguistici, scrivetemi: kamyar.zeinalipour2@unisi.it