ilsocio-brain — il modello locale (L1 → L8) + storico training

⭐⭐ MODELLO DEFINITIVO (l'ultimo, il top) — innesto_L1L8/

Il Socio locale end-to-end, validato. Non è un singolo file di pesi: è una pipeline in 3 pezzi, perché il principio è che il modello NON dice il fisco — estrae i fatti e ri-verbalizza, i numeri/verdetti li mette il codice deterministico.

messaggio → [L1] estrae i fatti → [deterministico L2–L7] verdetto + norma + numeri → [L8] risposta calda e fedele

• L1 · estrazione → i 13 fatti ostativi (JSON si/no/non_detto). Estrattore validato: acc_classe 75.2%, CONFIDENTLY_WRONG = 0 sul golden held-out.
• Deterministico (L2–L7) → verifica, schema firmato, lookup ATECO, verdetto a 2 lenti, DEFER fail-closed, calcoli. Ogni numero/norma dal codice, mai dai pesi.
• L8 · risposta → base Qwen2.5-3B-8bit + persona «il Socio»: verbalizza il verdetto fedele e caldo, senza inventare. Chiacchiere → tono da persona.

Sicurezza (la cosa che conta): mai un falso "puoi aprire tranquillo" su un caso ostativo.

📄 Il flusso completo, cosa fa ogni passaggio → innesto_L1L8/PERCORSO_L1_L8.md 🛠️ Il runner end-to-end → innesto_L1L8/socio_locale.py · ▶️ python innesto_L1L8/socio_locale.py --chat ✅ La validazione → innesto_L1L8/test/valida_L1.py

Nota: la lezione chiave — L1 (estrazione) si addestra benissimo; L8 (risposta) NO (su un instruct forte il fine-tune rompe). Perciò il definitivo = L1 addestrato + deterministico + L8 base guidato, non un mega fine-tune. Le prove in innesto_L1L8/train/.

---

Storico training precedente (esperimenti conversazionali v1.2 → v1.8)

Combo conversazionale migliore dei giri precedenti: lora_estrazione_v1.7/finale + lora_conversazione_v1.6/finale. Le v1.8 erano esperimenti sul dataset pulito.

Archivio di tutti i training del progetto ilsocio-brain. Serve come storico versionato: ogni cartella è uno stato salvato del lavoro, per non perdere nessun adapter/modello.

Base model: mlx-community/Qwen2.5-3B-Instruct-4bit.

Contenuto

cartella	cosa contiene
lora_conversazione/	modello fuso HF — task conversazione
lora_conversazione_v1.2/	modello fuso HF — task conversazione, v1.2
lora_conversazione_mlx/	adapter MLX — conversazione (checkpoint + finale)
lora_conversazione_mlx_v1.2/	adapter MLX — conversazione, v1.2
lora_estrazione/	modello fuso HF — task estrazione
lora_estrazione_v1.2/	modello fuso HF — task estrazione, v1.2
lora_estrazione_mlx/	adapter MLX — estrazione (checkpoint + finale)
lora_estrazione_mlx_v1.2/	adapter MLX — estrazione, v1.2
mlx_dati_conversazione/	dati di training MLX — conversazione
mlx_dati_estrazione/	dati di training MLX — estrazione
router_intento.joblib	classificatore router intento
lora_estrazione_v1.5/ · lora_estrazione_mlx_v1.5/	estrazione v1.5 (fuso HF + adapter MLX)
lora_conversazione_v1.5/ · lora_conversazione_mlx_v1.5/	conversazione v1.5 (fuso HF + adapter MLX)
mlx_dati_*_v1.5/	dati di training MLX v1.5
lora_conversazione_v1.6/ · lora_conversazione_mlx_v1.6/	conversazione v1.6 (fuso HF + adapter MLX)
lora_estrazione_v1.6/ · lora_estrazione_mlx_v1.6/	estrazione v1.6 (fuso HF + adapter MLX)
mlx_dati_*_v1.6/	dati di training MLX v1.6
lora_estrazione_v1.7/ · lora_estrazione_mlx_v1.7/	estrazione v1.7 (fuso HF + adapter MLX)
mlx_dati_estrazione_v1.7/	dati di training MLX estrazione v1.7
lora_*_v1.8/ · lora_*_v1.8_900/	estrazione+conversazione v1.8 a 400 / 900 iter (dataset pulito)
lora_conversazione_v1.8_2400/	conversazione a 2400 iter, dataset pulito (overfit)
lora_conversazione_v1.8_curati/	conversazione a 2000 iter CON curati (controprova impalcatura)

Versioni

• 1.4.0 (cartelle senza suffisso _v1.x): stato "fedelta' al detto in estrazione".
• 1.5.0 (cartelle _v1.5): router cablato a runtime (estrazione solo su DATO, prodotto.md solo su PRODOTTO), hard-negatives in estrazione, upsample delle conversazioni A multi-turno, e split del dataset per conversazione (niente piu' leakage di turni fra train e val). Base e iperparametri invariati (Qwen2.5-3B-4bit, iters 400, batch 1, 16 layer, lr 1e-4).
• 1.6.0 (cartelle _v1.6): due migliorie, 800 iters.
  • conversazione: esempi cold-start (saluti/chiacchiera a contesto vuoto, upsampled x4) contro il pivot forzato sul forfettario e le biografie inventate.
  • estrazione: positivi mirati nuova_attivita ('voglio aprire una piva' -> true), generati su piu' contesti (a freddo e dopo un saluto) perche' reggano nella chat vera; nessuna over-estrazione (un mestiere non attiva nuova_attivita). Combo runtime consigliata: lora_estrazione_v1.6/finale + lora_conversazione_v1.6/finale.
• 1.7.0 (solo estrazione, _v1.7). Nato da uno stress test di ~50 turni. Due fronti: (a) router (router.py, codice) esteso a eta'/residenza/'mettermi in proprio'/revisioni — prima li mandava in CHIACCHIERA e i dati si perdevano; (b) estrazione con scenari a scheda/storico realistici: mestiere dichiarato a meta' conversazione (prima lo perdeva) e contraddizioni (fatturato/eta'/ mestiere rivisti) col campo contraddizioni popolato. Riequilibrata con negativi vago->vuoto per non over-estrarre. La conversazione resta v1.6. Combo runtime consigliata: lora_estrazione_v1.7/finale + lora_conversazione_v1.6/finale.
• 1.8 (cartelle _v1.8*): primo giro sul dataset della fabbrica (313 conversazioni vere, generate e passate da gate+valutatore), senza i ~172 esempi curati a mano (esclusi di default con build_dataset.py, servono --con-curati). Esperimento di attribuzione. Varianti:
  • _v1.8 = 400 iter · _v1.8_900 = 900 iter (estrazione + conversazione)
  • _v1.8_2400 = conversazione a 2400 iter (2 epoche)
  • _v1.8_curati = conversazione a 2000 iter CON i curati (controprova) Esito: sul dataset pulito il conversazionale non regge a nessun numero di iter (0.34 / 0.77 / 2.03 epoche: tutte incoerenti, piu' iter = overfit). Con i curati a ~1.5 epoche torna coerente (livello ~v1.6). Conclusione: i curati erano impalcatura (soprattutto i cold-start drillati), non un limite del 3B. La fabbrica a 313 conversazioni da sola non basta ancora; il miglior modello utilizzabile resta la combo v1.7 estrazione + v1.6 conversazione. Difetto noto categoria E: l'assistente recita la scheda prodotto come slogan invece di rispondere alla paura (ITALIANO_FINTO) — viene dal registro delle conversazioni E.

Note

• Repo privato: solo l'autore vi accede.
• Gli adapter MLX si allenano con mlx_lm.lora su base Qwen2.5-3B-Instruct-4bit.