Update README.md

README.md

@@ -1,13 +1,6 @@
-Perfetto 😎
-Ecco la versione finale e completa della model card di microDAC, con i badge in stile professionale identico a quello del whitepaper di PicoDAC & PicoDAC-IT:
-
-
 ---
 
----
 license: gpl-3.0
-datasets:
-- Mattimax/Little_ITA_60k
 language:
 - it
 library_name: transformers
@@ -17,7 +10,7 @@ tags:
 - DATA-AI
 - transformer
 - experimental
-new_version: Mattimax/microDAC
+
 ---
 
 # 🧠 microDAC
@@ -104,46 +97,6 @@ Checkpointing	ogni 2000 step
 Resume automatico	✅
 Save best model	✅
 
-
-
----
-
-💻 Compatibilità e ambiente
-
-OS: Windows / Linux
-
-GPU consigliata: ≥ 12 GB VRAM
-
-Framework: Hugging Face Transformers + Datasets
-
-Precisione: FP16 / BF16 automatica
-
-Multiprocessing: gestito con if __name__ == "__main__"
-
-
-
----
-
-📦 Output finale
-
-Alla fine del training, il modello viene salvato in:
-
-./microDAC-40M/final/
-
-Contiene:
-
-pytorch_model.bin
-
-config.json
-
-tokenizer.json
-
-special_tokens_map.json
-
-vocab.json
-
-
-
 ---
 
 ⚠️ Avvertenze e limitazioni
@@ -160,11 +113,11 @@ Non adatto a contenuti sensibili o critici.
 
 🚀 Uso previsto
 
-Chatbot leggeri e assistenti in lingua italiana
+- Chatbot leggeri e assistenti in lingua italiana
 
-Prototipi embedded o mobile
+- Prototipi embedded o mobile
 
-Fine-tuning personalizzati su dataset specifici
+- Fine-tuning personalizzati su dataset specifici
 
 
 Nota: mantenere input sotto i 2 000 token per risultati ottimali.
@@ -202,14 +155,4 @@ Applicazioni mobile o embedded: basso consumo e rapidità.
 
 Sperimentazione NLP: ottimo punto di partenza per LoRA o adattamenti leggeri.
 
-Dataset sintetici: utile per generare coppie domanda-risposta.
-
-
-
----
-
-📚 Riferimenti
-
-Autore: [Mattimax](https://huggingface.co/Mattimax)
-
-Organizzazione: M.INC
+Dataset sintetici: utile per generare coppie domanda-risposta.