/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
55,6 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3_5 · dense
Базовая модель
Qwen3.8-27B-Human-KO
Библиотека
transformers
Опубликована
8 сен 2026

Qwen3.8-27B-Human-KO-Finance

Генерация текстаТекст → текст3 профессии

Дообученная корейская языковая модель для консультаций по ценным бумагам с учетом пригодности рекомендаций и обязательных раскрытий информации.

451скачиваний за 30 дней0лайковвеса обновлены14 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

ThakiCloud разработала FIN5 — дообученную модель на 27 млрд параметров для консультационных диалогов о ценных бумагах на корейском языке. Она предназначена для ответов с учетом принципа пригодности инвестиционных рекомендаций клиенту и обязательных раскрытий информации. Модель построена на архитектуре Qwen3.5 и использует текстовый ввод и генерацию текста; в каталоге указана поддержка корейского языка и библиотека Transformers.

По README, в оценке на 200 синтетических примерах FIN5 показала долю успешных ответов по критерию пригодности 0,818 и 0 фактических ошибок; при этом охват обязательных раскрытий составил 0,905 без дополнительного механизма. Для проверки и дополнения раскрытий авторы предоставляют обязательный gate: заявленные показатели охвата 1,000 и ноль фактических ошибок относятся к связке модели с ним, а не к весам отдельно. Эти результаты ограничены размером и составом теста; для пригодности было оценено только 33 случая.

Модель следует применять как вспомогательный инструмент для подготовки корейских консультаций по ценным бумагам, а не как самостоятельную систему соблюдения требований. README требует юридической проверки перед использованием в регулируемой среде и предупреждает, что генерация сама по себе не гарантирует раскрытие обязательной информации. Лицензия — Apache-2.0.

Сценарии применения

  • подготовка ответов клиентам по инвестиционным продуктам на корейском языке
  • проверка соответствия рекомендаций принципу пригодности для клиента
  • формирование консультаций с обязательными раскрытиями информации при подключенном gate

Ограничения

Без обязательного gate модель может пропускать требуемые раскрытия; её показатели получены на небольшой синтетической выборке и не гарантируют качество в реальной регуляторной среде. Перед применением в такой среде необходима юридическая проверка.

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

Human-KO Finance FIN5 — Securities Compliance Advisory Model (with gate)

A 27B model aligned to observe mandatory disclosures and the suitability principle in Korean securities client advisory conversations, without needing prompt instructions to do so. ⛔ The weights must not be used alone — the figures below only hold when this repository's gate is attached alongside them.

Why the gate is mandatory

Weights aloneWith gate
Disclosure coverage0.9051.000
Factual errors (out of 200)0-10

Deploying without the gate misses disclosures. Because probabilistic generation cannot guarantee zero, the design has a deterministic verifier block it. Use gates/ together with the model.

Measurements (200-item eval set, median of 3 repetitions)

MetricFIN2 (volume increase only)FIN5
Suitability behavior pass0.080.818
Factual errors (raw)30
Disclosure coverage0.8850.905
Suitability-refusal rate (over-refusal)0.0080.044
Bullets/bold/headers00

Superiority over the baseline was confirmed with the same-item paired McNemar test, all 3 runs p<0.005.

⛔ Limitations (please read these as they are)

  • Only n=33 items are judgeable for suitability, so the 3-run spread is 0.212. Do not cite the absolute value; judge only by the paired comparison. ±0.05 precision requires n≈380.
  • The situation classifier's accuracy is 0.885. A misclassification drops a required disclosure from the list, so this repository uses the union of input classification and output-based judging.
  • Factual errors run 0-1 per 200 cases, so the "0" verdict itself has a statistical-power limit.
  • ⛔ This model does not by itself prevent missing disclosures. The gate only catches shortfalls and backfills them. Legal review is required before deployment into an actual regulatory environment.

Structure

gates/      Disclosure, suitability, output-based, and factual judging and enforcement (7 types)
eval/       Measurement harness + paired superiority test
promptset/  200-item eval set (synthetic)

Source

The evaluation criteria are based on the Korea Financial Investment Association's Standard Investment Recommendation Guidelines and Article 19 of the Financial Consumer Protection Act. ⛔ The Association's original text is copyrighted (ALL RIGHTS RESERVED) and is not included in this repository. Check it directly at https://law.kofia.or.kr.

Lineage

Qwen/Qwen3.8-27B (Apache-2.0) → ThakiCloud/Qwen3.8-27B-Human-KO (Apache-2.0) → FIN5. The training corpus is synthetic data generated by our own serving model.

Paper

Off-Target Effects of Response-Style Alignment in a Korean 27B Language Model — arXiv:2609.11291

This checkpoint is the securities-compliance arm of that study. The paper reports what the compliance and safety stages cost each other depending on the order they are applied, and why the disclosure and abstention numbers here should be read as an emission policy result — how often the model answers and how much it says — not only as a content result.

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_5ForConditionalGeneration
Ревизия весов
4cad7eb

0 моделей