Дообученная Qwen3-4B для диалогового обслуживания клиентов авиакомпании на английском языке.
Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды
Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.
Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.
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.
Описание составлено по карточке модели и метаданным Hugging Face
MANGSEOK123 выпустил дообученную версию Qwen3-4B после одного OEL consolidate epoch на синтетических задачах tau2-bench для обслуживания клиентов авиакомпании. Это плотная причинная языковая модель Qwen3 с 3,7 млрд параметров, рассчитанная на генерацию текста и диалоговое применение; репозиторий содержит веса Safetensors и использует библиотеку Transformers. Модель предназначена для ответов на запросы авиапассажиров и выполнения сценариев клиентской поддержки, представленных в обучающих задачах.
Контекст модели составляет до 40 960 токенов. Обучение описано как 318 синтетических задач и 40 шагов с размером батча 8. Карточка указывает английский язык. Модель распространяется по лицензии Apache-2.0. README не приводит результатов оценки качества, поэтому пригодность для реальных обращений и стабильность ответов требуют проверки.
Карточка не содержит результатов оценки качества; реальные сценарии и устойчивость ответов нужно проверять отдельно. Дообучение описано на небольшом наборе из 318 синтетических задач.
Разделы каталога профессий, в задачах которых используется эта модель
README от автора на Hugging Face, как он его опубликовал
Qwen3-4B after one OEL consolidate epoch on tau2-bench airline customer-service tasks (318 synthetic training tasks, 40 steps, batch 8).
Load it the same way as Qwen/Qwen3-4B.
from transformers import AutoModelForCausalLM, AutoTokenizer
repo = "MANGSEOK123/Qwen3-4B-OEL-airline-tau2"
tok = AutoTokenizer.from_pretrained(repo)
model = AutoModelForCausalLM.from_pretrained(repo, torch_dtype="bfloat16", device_map="auto")
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм · transformers
Подбираем GPU…