Curriculum in breve

Formazione

University of Trento

Dottorato in Informatica · Trento, IT · Nov. 2023 - Current

• Relatori: Stefano Teso e Andrea Passerini
• Borsa di dottorato: Trustworthy Neuro-Symbolic Machine Learning

University of Trento

Laurea magistrale in Informatica · Trento, IT · Sept. 2021 - Oct. 2023

• Media: 4.0/4.0
• Voto: 110/110 e lode
• Tesi di laurea: “From Models to Arguments and Back”, relatori i professori Andrea Passerini e Stefano Teso

University of Trento

Laurea triennale in Informatica · Trento, IT · Sept. 2018 - Jul. 2021

• Media: 4.0/4.0
• Voto: 110/110 e lode
• Tesi di laurea: “Analysis of user warnings in Wikipedia”, relatore il professor Alberto Montresor

Esperienza lavorativa

Structured Machine Learning Group

Tirocinante di ricerca · Trento, IT · Nov. 2022 - Jun. 2023

• Sviluppo di un nuovo protocollo interattivo di debugging multi-shot che consente lo scambio di argomentazioni tra macchina e utente per correggere le convinzioni del modello.
• Integrazione di tecniche allo stato dell’arte di eXplainable Artificial Intelligence, come la loss ‘Right for the Right Reasons’, in modelli neuro-simbolici a predizione strutturata come Coherent Hierarchical Multi-label Classification Networks e Semantic Probabilistic Layers.
• Recupero delle prestazioni di modelli confusi nell’ambito della classificazione gerarchica.

Eurecat - Centre Tecnològic de Catalunya

Junior Data Scientist · Barcelona, ES · May. 2021 - Jun. 2021

• Estrazione di dati dai dump di Wikipedia - 937GB compressi in bz2 e 157GB in 7z.
• Progettazione di un metodo efficace per estrarre e analizzare le lingue parlate dagli utenti di Wikipedia - 109’452 record.
• Sviluppo di una strategia per recuperare gli User Warnings e i Wikibreaks degli utenti di Wikipedia, studiandone l’effetto sul livello di attività - rispettivamente 25’843 e 2’777’181 record.
• Realizzazione di una pipeline automatizzata per scaricare i dump, estrarre i dati e calcolare le statistiche con Docker.

Alysso Srl

Sviluppatore software junior · Trento, IT · Jul. 2017 - Aug. 2017

• Creazione di librerie aziendali per gestire le connessioni ai database indipendentemente dal DBMS (SQLite, PostgreSQL, MySQL e Oracle) in Java.
• Sviluppo di una funzione software interna in Java per calcolare la distanza tra due edifici a partire da dati GIS.
• Sviluppo di un’applicazione web in HTML5, CSS3 e JavaScript per visualizzare i risultati.

Social IT

Sviluppatore software junior · Trento, IT · Jun. 2016 - Jul. 2016

• Contributo allo sviluppo di un sistema interno di Customer Relationship Management in Java, JavaScript, HTML5, CSS3 e MySQL.

Attività didattica

Master in Mechatronics Engineering, University of Trento

Tutor di Machine Learning FUTURA · Trento, IT · Sep. 2024 - Dec. 2024

• Introduzione al machine learning, alla teoria della probabilità e all’algebra lineare. Algoritmi classici di machine learning come alberi di decisione, k-nearest neighbors, reti bayesiane, support vector machine e kernel machine, con un’introduzione alle reti neurali e al deep learning. Valutazione dei modelli, stima dei parametri e tecniche comuni di apprendimento non supervisionato e per rinforzo.

Bachelor in Computer Science, University of Trento

Assistente didattico, Introduzione alla programmazione web · Trento, IT · Feb. - Jun. 2025; Feb. - Jun. 2026

• Fondamenti di sviluppo web: protocollo HTTP, HTML, JavaScript, CSS, ciclo richiesta-risposta, tecniche JavaScript asincrone (AJAX, AJAJ), persistenza dello stato e interazione con i database, con esperienza pratica sulle principali tecnologie web, la manipolazione del DOM e la progettazione e lo sviluppo di semplici applicazioni web con Java Spring.

Master in Artificial Intelligence Systems, University of Trento

Assistente didattico, Machine Learning · Trento, IT · Sep. 2025 - Dec. 2025

• Introduzione al machine learning, alla teoria della probabilità e all’algebra lineare. Algoritmi classici di machine learning come alberi di decisione, k-nearest neighbors, reti bayesiane, support vector machine e kernel machine, con un’introduzione alle reti neurali e al deep learning. Valutazione dei modelli, stima dei parametri e tecniche comuni di apprendimento non supervisionato e per rinforzo.

Presentazioni

Benchmarking in Neuro-Symbolic AI

Talk su invito · TAILOR, Online · Mar. 2025

Reasoning Shortcuts in Neuro-Symbolic AI

Talk a un workshop · IML, University of Edinburgh · Mar. 2026

How to Learn and Not Learn Concepts, Symbols, and Representations

Talk su invito · University of Edinburgh · May. 2026

Collaborazioni di ricerca

IA neuro-simbolica

• Stefano Teso, CiMeC, University of Trento, Italy
• Andrea Passerini, DISI, University of Trento, Italy
• Antonio Vergari, University of Edinburgh, UK
• Emile van Krieken, Vrije Universiteit Amsterdam, The Netherlands
• Han Zhao, University of Illinois Urbana-Champaign, USA
• Efthymia Tsamoura, Huawei Labs, UK
• Tommaso Carraro, Disney Research, Switzerland

Identificabilità e causalità

• Emanuele Marconato, CoCaLa, University of Copenhagen

Quantificazione dell’incertezza

• Andrea Pugnana, DISI, University of Trento

Scuole e periodi di ricerca

Nordic Probabilistic AI School

Partecipante · Copenhagen, DK · Jun. 2024

• Tasso di ammissione: 18%.
• Argomenti: modelli probabilistici, workflow bayesiano, inferenza e ottimizzazione variazionale, modelli generativi profondi, modelli di diffusione, metodi Monte Carlo, circuiti probabilistici, processi gaussiani e inferenza causale.

School of Informatics, University of Edinburgh

Ricercatore in visita · Edinburgh, UK · Mar. 2026 - Jun. 2026

• Visita all’APRIL Lab sotto la supervisione del professor Antonio Vergari.
• Progetto di ricerca su constraint learning con Large Language Models.

Software

rsbench: A Neuro-Symbolic Benchmark Suite for Concept Quality and Reasoning Shortcuts

First Author and Maintainer • DeepProbLog, LogicTensorNetworks, CLIP, TCAV, Concept-based Models, Reasoning Shortcuts, #SAT solvers, Blender · NeurIPS 2024, Datasets & Benchmarks · 2024

• Benchmark suite for systematically evaluating reasoning shortcuts in learning & reasoning tasks, covering arithmetic, logic and high-stakes (autonomous driving) settings.
• Configurable data generators (MNMath, MNLogic, Kand-Logic, CLE4EVR, SDD-OIA) for building custom tasks and out-of-distribution splits.
• Concept-quality metrics, plus countrss, a tool that formally verifies whether a task admits reasoning shortcuts by reducing it to model counting, with no training required.
• Code: github.com/unitn-sml/rsbench-code • Data: Zenodo, Website: https://unitn-sml.github.io/rsbench/

auto-nesy-bench: Auto-Formalizing Neuro-Symbolic Predictors

First Author and Maintainer • LLMs, Auto-Formalization, PySAT, CPMpy, PySDD, Sympy, Semantic Probabilistic Layers, Semantic Loss, Knowledge Compilation, Model Counting · Preprint · 2026

• Benchmark for evaluating how well LLMs translate natural-language domain knowledge into logical constraints for Neuro-Symbolic predictors.
• 18 NeSy tasks (9–102 variables) spanning arithmetic, puzzles, ranking, path finding, vision, text and autonomous driving, each with detailed and non-detailed descriptions and annotated data.
• End-to-end pipeline: LLM formalization in five formats (DIMACS, NAT, PySAT, CPMpy, SymPy) with self-verification, compilation to circuits, and training of SPL and Semantic Loss predictors.
• Model-counting-based formula metrics (precision, recall, F1) and downstream metrics (consistency, formula relationship, model-count ratio).
• Code: github.com/unitn-sml/auto-nesy-bench-code • Website: https://unitn-sml.github.io/auto-nesy-bench/

Attività di revisione

• Uncertainty in Artificial Intelligence (UAI) — 2025, 2026
• Neural Information Processing Systems (NeurIPS) — 2025, 2026
• Unifying Concept Representation Learning Workshop at ICLR — 2026
• Neurosymbolic AI (NeSy) — 2026
• Hybrid Human-Machine Learning and Decision Making at ECML-PKDD — 2026
• Transactions on Machine Learning Research (TMLR) — 2026
• International Conference on Learning Representations (ICLR) — 2026
• Neurosymbolic Artificial Intelligence (NAI) journal — 2026

Competenze

• Programmazione: Python (esperto), Java (esperto), Ruby (intermedio), JavaScript (intermedio), TypeScript (intermedio), R (intermedio), C++ (intermedio), C (intermedio), C# (accademico), Matlab (accademico)
• Varie: Linux, Git, GitHub, LaTeX, SQL, PyTorch, TensorFlow, Keras
• Lingue: Inglese (C1), Italiano (madrelingua), Tedesco (A2)

Riconoscimenti

• Borsa di mobilità · Programma Erasmus+ Traineeship (2 mesi) · Barcelona, ES (2021)
• Borsa di merito · Premio allo studio Marco Modena (Cassa Rurale Alto Garda - Rovereto, Trento, IT) · Trento, IT (2022)
• Borsa di dottorato · Finanziamento triennale: 6° posto su 120 partecipanti · Trento, IT (2023)
• Borsa di viaggio · NeurIPS Conference Financial Assistance Award · San Diego, USA (2025)
• Borsa di mobilità · Programma Erasmus+ Traineeship (3 mesi) · Edinburgh, UK (2026)

Pubblicazioni

L’elenco completo è nella pagina delle pubblicazioni.