/ Модель

Характеристики

Контекст
262 144 токена
Параметры
3,4 млрд
Размер весов
8,4 ГБ
Архитектура
qwen3_5_text · dense
Базовая модель
Qwen3.5-4B
Библиотека
transformers
Опубликована
19 сен 2026

eva-qwen35-4b-support-merged

Генерация текстаТекст → текст3 профессии

Дообученная Qwen3.5-4B классифицирует обращения в поддержку приложения для женского здоровья и выдаёт структурированный JSON для маршрутизации.

442скачиваний за 30 дней0лайковвеса обновлены22 сен 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Eva Customer Support Manager — это дообученная модель Qwen/Qwen3.5-4B, созданная для первичной классификации обращений в службу поддержки приложения для женского здоровья в Казахстане. Модель принимает сообщение пользователя и возвращает JSON с категорией обращения, приоритетом, тональностью и рекомендуемым действием; этот результат используется для маршрутизации или выбора ответа из одобренной библиотеки шаблонов. Модель не предназначена для свободных ответов пользователям.

Модель имеет плотную архитектуру Qwen3.5, около 3,4 млрд параметров и контекст до 262 144 токенов. Она обучена методом QLoRA на синтетических данных, после чего адаптер объединён с базовой моделью в формате float16. Заявленные языки сценария — русский и казахский; казахский представлен слабее. В тесте на синтетической выборке из 215 примеров точность категорий составила 82,79%, действий — 69,77%, приоритетов — 59,53%; базовая модель часто не соблюдала JSON-формат, поэтому сравнение не измеряет только качество понимания. Результаты на реальных обращениях ещё не оценены.

Это образовательный прототип, а не готовая к промышленному применению система и не медицинское устройство. Его нельзя использовать для диагностики или самостоятельных медицинских ответов; README требует применять детерминированный слой безопасности и библиотеку утверждённых шаблонов. Данные обучения синтетические, покрытие некоторых категорий в реальных данных недостаточно, а безопасная деидентификация входящих сообщений не гарантирована. Сведения о лицензии в предоставленных материалах отсутствуют.

Сценарии применения

  • Классификация обращений пользователей приложения по категориям поддержки
  • Определение приоритета и тональности сообщения в службу поддержки
  • Выбор маршрута обращения или ответа из утверждённой базы шаблонов

Ограничения

Прототип обучен на синтетических данных и оценён только на синтетической выборке; качество на реальных обращениях не измерено, а покрытие отдельных категорий ограничено. Не применять для диагностики или самостоятельных медицинских ответов; необходимы слой безопасности и утверждённые шаблоны, при этом безопасная деидентификация входных сообщений не гарантируется.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Eva Customer Support Manager — merged model

Qwen/Qwen3.5-4B adapted for customer-support triage in a women's health app (cycle tracking, pregnancy, teen mode) operating in Kazakhstan in Russian and Kazakh. A QLoRA adapter was trained separately and merged into the unquantized half-precision base.

Given one customer message, the model emits only a JSON object classifying it on four axes. It does not write prose and is not meant to: in the system it was built for, the JSON selects a reply from an approved template library.

Intended use

Triage and routing. Downstream of this model sits a deterministic safety layer that can only reduce the system's autonomy, never raise it. Do not deploy the model without that layer. It is not a medical device, not a diagnostic tool, and must never answer a medical question on its own.

Output format

{
  "category": "auth_otp",
  "priority": "high",
  "sentiment": "negative",
  "action": "answer_from_kb"
}
FieldAllowed values
categoryauth_otp · auth_account · age_guardian · geo_availability · cycle_predictions · pregnancy · health_diary · app_technical · store_order · store_payment · store_promo · store_product · medical_concern · other
prioritylow · medium · high · critical
sentimentpositive · neutral · negative
actionanswer_from_kb · explain_expected_behaviour · request_details · create_bug_ticket · escalate_human · escalate_medical · escalate_legal_privacy

The label space was frozen after measuring 214 real support conversations and must not be extended: the baseline and the fine-tuned model are scored against an identical set, or the comparison below is void.

Training

MethodQLoRA — base loaded in 4-bit NF4, adapter trained, then merged into float16
LoRAr=16, alpha=32, dropout=0.05, target_modules="all-linear"
Schedule3 epochs, lr 2e-4, batch 1 × grad-accum 8, max length 1024, seed 42
Final validationeval_loss 0.560, mean_token_accuracy 0.900
Merge dtypefloat16 (not quantized; GGUF conversion is a separate step)
Splittrain 629 · validation 207 · test 215

The test split was not used during training.

Training data

Synthetic. The corpus was generated from a catalogue of the app's real defects and a catalogue of behaviours that look like defects but are not — for example an empty "Today" screen after childbirth, or an auto-cancelled unpaid order. That second catalogue is the point: an off-the-shelf model confidently files false bug reports against intended behaviour, and no public corpus contains this knowledge.

Real customer messages were never used for training. They exist only as a held-out slice for measuring behaviour on live traffic.

Evaluation

215 held-out examples. Base model is Qwen/Qwen3.5-4B zero-shot with the same prompt.

MetricBaseThis model
Category accuracy0.00 %82.79 %
Action accuracy0.00 %69.77 %
Priority accuracy7.44 %59.53 %
Sentiment accuracy7.44 %56.28 %
Exact match, all four fields0.00 %35.81 %
Invalid JSON rate86.05 %0.00 %

Read these numbers with two caveats

  1. The base model mostly failed on format, not on understanding: 185 of its 215 answers were invalid JSON. A large share of the category gain is format compliance. Reporting the category number without this line overstates what was learned.
  2. The test split is synthetic. A separate slice of 282 hand-labelled real conversations exists and has not been scored yet. Until it is, nothing here is evidence about live traffic.

Class coverage in real data

Four of the fourteen categories have no real examples at all (pregnancy, health_diary) or exactly one (auth_account, age_guardian — the latter safety-critical). Per-class claims about those four are not supportable, and a macro average that hides them would be misleading.

Limitations

  • Educational prototype, not a production system and not a medical device.
  • Trained on synthetic data; measured on synthetic data.
  • Kazakh is under-represented: 18 of 214 real conversations. The system it belongs to never grants Kazakh messages autonomous replies for this reason.
  • Deidentification tooling for Kazakh does not exist, and for Russian the only benchmark was machine-translated. Do not assume input is safely scrubbed.
  • Prompt injection is bounded by architecture, not by the model: the agent selects from approved templates, so the worst case is a wrong template rather than arbitrary text. Remove the template layer and that bound is gone.

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "AygerimTan/eva-qwen35-4b-support-merged"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(
    model_id,
    device_map="auto",
    dtype="auto",
)

License

Inherits the base model's licence. Owner: confirm Qwen/Qwen3.5-4B's terms and add the matching license: field to the front matter before treating this card as final. It is deliberately left out rather than guessed.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3_5ForCausalLM
Ревизия весов
d07919d

0 моделей