README.md

metadata

language: it
license: apache-2.0
library_name: peft
base_model: Qwen/Qwen2.5-1.5B
tags:
  - lora
  - peft
  - cognitive-architecture
  - progressive-learning
  - magnitude-pruning
  - math
  - arithmetic
datasets:
  - custom
pipeline_tag: text-generation

Architettura Cognitiva Progressiva — Progressive-LoRA con Magnitude Pruning (Italiano)

Primo prototipo — Qwen2.5-1.5B addestrato con architettura cognitiva progressiva a 4 fasi, usando magnitude pruning (azzeramento pesi piccoli). Successivamente sostituito da SVD Dream Pruning.

📊 Risultati

Metrica	Progressive-LoRA (questo)	Dream-LoRA	Flat-LoRA
Accuratezza Esatta	37.0% ± 0.5	58.6% ± 2.9	60.6%
Number Sense	57.7% ± 0.5	60.0% ± 0.8	0.0%
Metacognizione	98.5%	100.0%	0.0%

🧠 Architettura

Training progressivo a 4 fasi su dati aritmetici italiani:

1. Fondamenta — Aritmetica esatta
2. Consolidamento — Magnitude pruning + fine-tuning su approssimazioni
3. Delega — Routing complessità: calcolo interno vs. strumento
4. Orchestrazione — Pipeline completa: intuizione → routing → tool → validazione

🔧 Configurazione

Parametro	Valore
Modello Base	Qwen/Qwen2.5-1.5B
LoRA Rank	16
LoRA Alpha	32
Target LoRA	q_proj, k_proj, v_proj, o_proj
Tipo Pruning	Magnitude (azzeramento pesi piccoli)
Lingua Dati	Italiano

🚀 Uso Rapido

from transformers import AutoModelForCausalLM, AutoTokenizer
from peft import PeftModel

base_model = AutoModelForCausalLM.from_pretrained(
    "Qwen/Qwen2.5-1.5B", device_map="auto", torch_dtype="auto"
)
tokenizer = AutoTokenizer.from_pretrained("Qwen/Qwen2.5-1.5B")

model = PeftModel.from_pretrained(
    base_model,
    "dexmac/progressive-cognitive-lora",
    subfolder="lora_adapters"
)

messages = [{"role": "user", "content": "Calcola: 342 * 67"}]
text = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
inputs = tokenizer(text, return_tensors="pt").to(model.device)
outputs = model.generate(**inputs, max_new_tokens=200, temperature=0.1)
print(tokenizer.decode(outputs[0], skip_special_tokens=True))

🔗 Modelli Correlati

• Dream-LoRA (IT) — Versione migliorata con SVD Dream Pruning
• Flat-LoRA (IT) — Controllo senza fasi
• 1.5B Dream (EN) — Miglior modello (inglese)
• GitHub — Codice sorgente completo

📝 Citation

@software{progressive_cognitive_2026,
  author = {Dex Mac},
  title = {Progressive Cognitive Architecture for LLMs},
  year = {2026},
  url = {https://github.com/dexmac221/progressive-cognitive},
  version = {1.0.0}
}

📄 License

Apache 2.0