Instructions to use VerbACxSS/sempl-it-v3-proofreading-awq with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Libraries

How to use VerbACxSS/sempl-it-v3-proofreading-awq with Transformers:

# Use a pipeline as a high-level helper
from transformers import pipeline

pipe = pipeline("text-generation", model="VerbACxSS/sempl-it-v3-proofreading-awq")
messages = [
    {"role": "user", "content": "Who are you?"},
]
pipe(messages)

# Load model directly
from transformers import AutoModel
model = AutoModel.from_pretrained("VerbACxSS/sempl-it-v3-proofreading-awq", dtype="auto")

Notebooks
Google Colab
Kaggle
Local Apps

vLLM

How to use VerbACxSS/sempl-it-v3-proofreading-awq with vLLM:

Install from pip and serve model

# Install vLLM from pip:
pip install vllm
# Start the vLLM server:
vllm serve "VerbACxSS/sempl-it-v3-proofreading-awq"
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:8000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "VerbACxSS/sempl-it-v3-proofreading-awq",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Use Docker

docker model run hf.co/VerbACxSS/sempl-it-v3-proofreading-awq

SGLang

How to use VerbACxSS/sempl-it-v3-proofreading-awq with SGLang:

Install from pip and serve model

# Install SGLang from pip:
pip install sglang
# Start the SGLang server:
python3 -m sglang.launch_server \
    --model-path "VerbACxSS/sempl-it-v3-proofreading-awq" \
    --host 0.0.0.0 \
    --port 30000
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:30000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "VerbACxSS/sempl-it-v3-proofreading-awq",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Use Docker images

docker run --gpus all \
    --shm-size 32g \
    -p 30000:30000 \
    -v ~/.cache/huggingface:/root/.cache/huggingface \
    --env "HF_TOKEN=<secret>" \
    --ipc=host \
    lmsysorg/sglang:latest \
    python3 -m sglang.launch_server \
        --model-path "VerbACxSS/sempl-it-v3-proofreading-awq" \
        --host 0.0.0.0 \
        --port 30000
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:30000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "VerbACxSS/sempl-it-v3-proofreading-awq",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Docker Model Runner
How to use VerbACxSS/sempl-it-v3-proofreading-awq with Docker Model Runner:
```
docker model run hf.co/VerbACxSS/sempl-it-v3-proofreading-awq
```

sempl-it-v3-proofreading-awq

SEMPL-IT aims to simplify Italian administrative texts using a progressive approach based on multiple specialized models. Each model addresses a specific aspect of the text transformation process, ensuring a step-by-step refinement.

Simplification Pipeline

The complete text simplification pipeline follows eight sequential steps:

Web App

To integrate this model into the full system, check out:

Frontend: GitHub Repository
Backend: GitHub Repository
Inference: GitHub Repository

Usage

Install the following dependencies:

pip install transformers==4.51.3
pip install autoawq==0.2.9
pip install peft==0.15.2

Define the system prompt and the text to simplify:

PROMPT = """Sei un esperto redattore di documenti istituzionali italiani.

Correggi gli errori ortografici, grammaticali, sintattici, di coesione, di punteggiatura e di preposizioni. **Non alterare il contenuto e lo stile del testo originale**.

# Steps
1. Leggi attentamente il testo istituzionale fornito.
2. Identifica gli errori di ortografia, grammatica, sintassi, coesione, punteggiatura e preposizioni.
3. Correggi gli errori individuati.

# Output Format
Il testo corretto con la stessa formattazione e suddivisione in paragrafi dell'originale.

# Notes
- Il testo fornito può essere complesso e richiede attenzione ai dettagli."""

TEXT_TO_SIMPLIFY = """Il documento individua le esigenze di sviluppo necessarie per assicurare che i principi delineati dalla Legge Regionale 23 dicembre 2004, n. 29 e dai successivi atti normativi, sulla essenziale funzione della ricerca e innovazione nelle Aziende Sanitarie della Regione Emilia-Romagna, si traducano in azioni concrete nel Servizio Sanitario Regionale. 

Alla luce delle evidenze della letteratura internazionale, delle indicazioni della normativa nazionale e della valutazione di quanto già attuato a livello regionale negli anni passati, vengono individuati gli obiettivi di sviluppo e le linee per il raggiungimento dei suddetti obiettivi."""

Load SEMPL-IT model and tokenizer:

from transformers import AutoModelForCausalLM, AutoTokenizer

tokenizer = AutoTokenizer.from_pretrained("VerbACxSS/sempl-it-v3-proofreading-awq")
model = AutoModelForCausalLM.from_pretrained("VerbACxSS/sempl-it-v3-proofreading-awq").to("cuda")

Define and apply chat template:

chat = [
  {"role": "system", "content": PROMPT},
  {"role": "assistant", "content": TEXT_TO_SIMPLIFY},
]

formatted_chat = tokenizer.apply_chat_template(
    chat,
    tokenize=False,
    add_generation_prompt=True
)
model_inputs = tokenizer([formatted_chat], return_tensors="pt").to("cuda")

Use SEMPL_IT model with following sampling parameters to generate simplified_text:

generated_ids = model.generate(
    **model_inputs,
    max_new_tokens=4096,
    temperature=0.1,
    top_p=0.2
)
simplified_text = tokenizer.decode(generated_ids[0][len(model_inputs.input_ids[0]):], skip_special_tokens=True)
print(simplified_text)

Acknowledgements

This contribution is a result of the research conducted within the framework of the PRIN 2020 (Progetti di Rilevante Interesse Nazionale) "VerbACxSS: on analytic verbs, complexity, synthetic verbs, and simplification. For accessibility" (Prot. 2020BJKB9M), funded by the Italian Ministero dell'Università e della Ricerca.

Downloads last month: -; Downloads are not tracked for this model. How to track

Model tree for VerbACxSS/sempl-it-v3-proofreading-awq

Base model

Qwen/Qwen3-4B-Base

Finetuned

Qwen/Qwen3-4B

Quantized

abhishekchohan/Qwen3-4B-AWQ

Finetuned

(9)

this model

Collection including VerbACxSS/sempl-it-v3-proofreading-awq

sempl-it-v3-awq

Collection

9 items • Updated May 17, 2025 • 1