Update README.md

README.md

@@ -79,6 +79,52 @@ Addestrato su **Mattimax/DATA-AI_Conversation_ITA**, un dataset italiano di dial
 
 ---
 
+## Codice per inferenza di esempio
+
+```python
+from transformers import AutoTokenizer, AutoModelForCausalLM
+import torch
+
+# 1. Carica modello e tokenizer addestrati
+model_path = "Mattimax/DACMini-IT"
+tokenizer = AutoTokenizer.from_pretrained(model_path)
+model = AutoModelForCausalLM.from_pretrained(model_path)
+model.eval()
+
+# 2. Funzione di generazione
+def chat_inference(prompt, max_new_tokens=150, temperature=0.7, top_p=0.9):
+    # Costruisci input nel formato usato in training
+    formatted_prompt = f"<|user|> {prompt.strip()} <|assistant|>"
+
+    # Tokenizza
+    inputs = tokenizer(formatted_prompt, return_tensors="pt")
+
+    # Genera risposta
+    with torch.no_grad():
+        output = model.generate(
+            **inputs,
+            max_new_tokens=max_new_tokens,
+            temperature=temperature,
+            top_p=top_p,
+            do_sample=True,
+            pad_token_id=tokenizer.pad_token_id or tokenizer.eos_token_id
+        )
+
+    # Decodifica e rimuovi prompt iniziale
+    generated_text = tokenizer.decode(output[0], skip_special_tokens=True)
+    response = generated_text.split("<|assistant|>")[-1].strip()
+    return response
+
+# 3. Esempio d’uso
+if __name__ == "__main__":
+    while True:
+        user_input = input("👤 Utente: ")
+        if user_input.lower() in ["exit", "quit"]:
+            break
+        response = chat_inference(user_input)
+        print(f"🤖 Assistant: {response}\n")
+````
+
 ## Referenze
 
 * Dataset: [Mattimax/DATA-AI_Conversation_ITA](https://huggingface.co/datasets/Mattimax/DATA-AI_Conversation_ITA)