/ Модель

Характеристики

Контекст
131 072 токена
Параметры
7,1 млрд
Размер весов
15,2 ГБ
Лицензия
Apache 2.0
Архитектура
qwen2 · dense
Базовая модель
DeepSeek-R1-Distill-Qwen-7B
Библиотека
transformers
Опубликована
30 янв 2025

WiroAI-Finance-Qwen-7B

Генерация текстаТекст → текст3 профессии

Финансовая языковая модель на базе объединённых Qwen и DeepSeek для генерации текста и ответов на финансовые инструкции.

42скачиваний за 30 дней9лайковвеса обновлены31 янв 2025

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

WiroAI-Finance-Qwen-7B — языковая модель WiroAI для генерации текста и диалогов по финансовым темам. Она основана на архитектуре Qwen2 и дообучена методом SFT на наборе Finance-Instruct-500k, содержащем более 500 тысяч финансовых инструкций. В метаданных указаны объединённые базовые модели DeepSeek-R1-Distill-Qwen-7B и Qwen2.5-Math-7B; модель имеет 7,1 млрд параметров и контекст до 131 072 токенов.

Модель предназначена для ответов на финансовые вопросы и выполнения инструкций в финансовых сценариях. Она работает с текстом через библиотеку Transformers; репозиторий содержит веса в формате Safetensors. Модель выпущена под лицензией Apache-2.0. README не сообщает результаты оценки качества или конкретные ограничения, поэтому надёжность ответов в практических финансовых решениях по этим данным определить нельзя.

Сценарии применения

  • ответы на вопросы о финансах
  • объяснение финансовых понятий
  • подготовка ответов на финансовые инструкции
  • создание текстовых финансовых материалов

Ограничения

В README не приведены результаты оценивания качества или сведения о специальных ограничениях; ответы модели в финансовых сценариях требуют проверки.

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

WiroAI-Finance-Qwen-7B

🚀 Meet with WiroAI/WiroAI-Finance-Qwen-7B! A robust language model with more finance knowledge support! 🚀

🌟 Key Features

  • Fine-tuned with 500,000+ high-quality finance instructions. (Josephgflowers/Finance-Instruct-500k)
  • LoRA method was used for fine-tuning without quantization.
  • Adapted to finance expertise.
  • Built on Qwen's architecture

📝 Model Details The model is the finance data fine-tuned version of Qwen model family. This model has been trained using Supervised Fine-Tuning (SFT) on carefully curated high-quality finance instructions.

Usage

Transformers Pipeline

import transformers
import torch


model_id = "WiroAI/WiroAI-Finance-Qwen-7B"

pipeline = transformers.pipeline(
    "text-generation",
    model=model_id,
    model_kwargs={"torch_dtype": torch.bfloat16},
    device_map="auto",
)

pipeline.model.eval()

messages = [
    {"role": "system", "content": "You are a finance chatbot developed by Wiro AI"},
    {"role": "user", "content": "How can central banks balance the trade-off between controlling inflation and maintaining economic growth, especially in an environment of high public debt and geopolitical uncertainty?"
  },
]

terminators = [
    pipeline.tokenizer.eos_token_id,
    pipeline.tokenizer.convert_tokens_to_ids("<|end▁of▁sentence|>")
]

outputs = pipeline(
    messages,
    max_new_tokens=512,
    eos_token_id=terminators,
    do_sample=True,
    temperature=0.9,
)

print(outputs[0]["generated_text"][-1]['content'])
Central banks face a challenging task in balancing the trade-off between controlling inflation and maintaining economic growth, especially in an environment of high public debt and geopolitical uncertainty. To address this, central banks can implement several strategies:
1. Implementing monetary policy tools: Central banks can use interest rate adjustments, open market operations, and liquidity management to control inflation and manage the economy's growth. For instance, by raising interest rates, they can slow down economic activity and reduce inflationary pressures.
2. Encouraging fiscal prudence: Central banks should collaborate with governments to ensure fiscal sustainability. This involves encouraging fiscal reforms, reducing excessive public debt, and preventing excessive government spending.
3. Promoting financial inclusion: By addressing issues of financial exclusion and enhancing access to financial services, central banks can help reduce poverty and stimulate economic growth.
4. Building resilient financial systems: Central banks should strengthen the stability of financial markets by regulating financial institutions, ensuring the availability and liquidity of credit, and preventing financial crises.
5. Engaging in international cooperation: Central banks should work closely with other countries to address global economic challenges, such as geopolitical tensions and trade disputes, and support international agreements that promote economic stability.
6. Communicating effectively: Central banks should maintain open and transparent communication with the public, providing regular updates on monetary policy decisions and their implications for inflation and economic growth.
By implementing these strategies, central banks can strive to balance the trade-off between controlling inflation and promoting economic growth, even in the face of high public debt and geopolitical uncertainty.

🤝 License and Usage

This model is provided under apache 2.0 license. Please review the license terms before use.

📫 Contact and Support

For questions, suggestions, and feedback, please open an issue on HuggingFace or contact us directly from our website.

Citation

@article{WiroAI,
  title={WiroAI/WiroAI-Finance-Qwen-7B},
  author={Abdullah Bezir, Furkan Burhan Türkay, Cengiz Asmazoğlu},
  year={2025},
  url={https://huggingface.co/WiroAI/WiroAI-Finance-Qwen-7B}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2ForCausalLM
Ревизия весов
2e994e9

0 моделей