Philo-L1

L’emendatio dei testi latini come problema di denoising

Abstract

L’emendazione dei testi letterari antichi rappresenta una delle sfide più complesse della filologia classica. I modelli esistenti per semplificare questo task (Latin BERT e Logion) adottano un approccio di tipo fill-mask che presenta alcuni limiti significativi. Questo contributo introduce Philo-L1, un LLM di tipo seq2seq di circa 297 milioni di parametri basato sull'architettura T5, che tratta l'emendatio dei testi letterari latini come un task di generazione di testo con denoising dell’input del modello, e Ianus AI, la piattaforma web pensata per il suo utilizzo. Philo-L1, ottenuto dal fine-tuning di Philo-1-preview (a sua volta, risultato del fine-tuning di PhilTa), è stato addestrato su un dataset sintetico di circa 5 milioni di coppie di frasi contenenti nove classi di corruttele: errori paleografici, di pronuncia, di divisio, di inversione, di eco, saut du même au même, errori da integrazione con parola-segnale, aplografie e dittografie. In fase di valutazione, il modello ha raggiunto un’exact match accuracy (EMA) del 74.01%, una perplexity di 1.17 e un BLEU score di 94.51. Il confronto diretto con Latin BERT conferma la validità dell'approccio proposto (EMA: 77.96% vs 0.50%). In futuro, si prevede di ampliare le funzionalità del modello e di integrare tecniche di chain of thought ed Explainable AI.