/ Модель

Характеристики

Контекст
40 960 токенов
Параметры
3,7 млрд
Размер весов
8 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
Qwen3-4B
Опубликована
19 мар 2026

DLM-NL2JSON-4B

Генерация текстаТекст → текст3 профессии

Модель на базе Qwen3-4B преобразует корейские запросы о данных Пусана в JSON по фиксированным схемам городского аналитического сервиса.

28скачиваний за 30 дней5лайковвеса обновлены26 июн 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

DLM-NL2JSON-4B — модель Data Science Lab., Ltd., дообученная на базе Qwen3-4B с объединённым LoRA-адаптером. Она преобразует запросы на корейском языке о государственных и экономических данных в однострочный JSON по фиксированным схемам аналитического сервиса Big Data Wave города Пусан. Модель рассчитана на извлечение параметров анализа населения, потоков населения и потребительских расходов; для работы нужны соответствующие системный промпт и специальный токен категории.

Модель имеет плотную архитектуру Qwen3ForCausalLM, около 3,7 млрд параметров и контекст до 40 960 токенов. В тестировании авторов на 2 041 примере точность сопоставления полей составила 94,4% (96,8% с поправкой на отмеченный шум разметки). Выпущена под лицензией Apache-2.0.

Применение ограничено заданными схемами и форматами промптов сервиса Пусана: модель не предназначена для произвольного преобразования текста в JSON или для общего диалога. По данным README, наиболее слабый результат показан на категории CPI; шум в обучающих данных также влияет на поле возрастных групп в запросах о потребительских расходах.

Сценарии применения

  • Извлечение параметров анализа структуры населения Пусана из корейского запроса
  • Преобразование запросов о притоке и оттоке населения в параметры JSON
  • Формирование параметров анализа потребительских расходов по отраслям
  • Подготовка структурированных фильтров для панели аналитики Big Data Wave

Ограничения

Работает только с фиксированными схемами сервиса Пусана и требует соответствующего системного промпта и специального токена; для произвольных схем JSON и общего чат-бота не подходит. Автор отмечает более низкую точность на категории CPI и шум в разметке возрастных групп для части обучающих примеров CSM.

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

DLM-NL2JSON-4B

A 4B-parameter service-specific LLM that outperforms GPT-4o (+14%p) and Qwen3.5-35B (+22%p) on structured JSON extraction from Korean natural language queries.

DLM (Domain-specific Language Model) is a series of task-specialized models by Data Science Lab., Ltd.. This model is a LoRA-merged Qwen3-4B fine-tuned for structured JSON extraction in the Busan Metropolitan City public data analytics service.

Key Results

Evaluated on 2,041 test samples across 10 task categories (field-level exact match, summary excluded):

ModelParamsAccuracyAccuracy (adj*)Avg Latency
DLM-NL2JSON-4B4B94.4%96.8%2.59s
GPT-4o~200B+80.5%82.5%1.58s
Qwen3.5-35B-A3B35B72.2%73.9%0.85s

*adj: 64 CSM samples with known gold label noise excluded (see Evaluation section)

Per-Category Breakdown

CategoryNDLM-NL2JSON-4BGPT-4oQwen3.5-35B
ALP-A (population pattern)25099.6%56.0%47.6%
ALP-B (population flow)25098.4%50.4%46.8%
CSM (consumer spending)70090.6%90.1%86.1%
CREDIT-Income5894.8%53.4%34.5%
CREDIT-Spending7797.4%92.2%51.9%
CREDIT-Loan/Default7398.6%94.5%72.6%
CPI (business status)21986.3%87.2%54.8%
GIS-Inflow7297.2%79.2%93.1%
GIS-Outflow6298.4%77.4%98.4%
GIS-Consumption28098.2%99.6%97.5%

DLM-NL2JSON-4B wins 8 out of 10 categories, with the largest gains on ALP (+43%p vs GPT-4o) and CREDIT-Income (+41%p).

Important: This is a Service-Specific Model

This model is NOT a general-purpose NL-to-JSON converter. It is trained exclusively for a fixed set of predefined schemas used in a specific production service. It will not generalize to arbitrary JSON schemas or different prompt formats.

To use this model correctly, you must:

  1. Use the exact system prompts it was trained on (one per task category — see Usage section)
  2. Include the corresponding special token (<TASK_CSM>, <TASK_CREDIT>, <TASK_GIS>, <TASK_ALP>, <TASK_CPI>) in the input
  3. Expect output conforming only to the predefined schemas listed below

Why publish a service-specific model? This model serves as a reference implementation demonstrating that task-specific LoRA fine-tuning on a 4B model can dramatically outperform GPT-4o and larger open-source models on constrained structured output tasks. We believe the DLM (Domain-specific Language Model) approach — training small, cheap-to-serve models for specific service endpoints — is an underexplored but highly practical paradigm.

Intended Use

This model converts Korean natural language queries about public/economic data into structured JSON conforming to its predefined schemas. It is designed for and deployed in the Busan Metropolitan City Big Data Wave analytics dashboard.

Input: Free-form Korean query + task-specific system prompt

Output: Single-line JSON with exact schema compliance:

{"summary":"##2025년 5월 부산광역시 해운대구 유통/의료 소비분석##","base_ym":202505,"region_nm":"부산광역시 해운대구","industry_select":{"3":[],"8":[]},"sex_cd":[1],"age_cd":[30],"category":2}

Task Categories

IDNameSchema Type
0ALP-APopulation pattern (ptrn: residence/work/visit)
1ALP-BPopulation flow (flow_cd: inflow/outflow)
2CSMConsumer spending by industry
3CREDIT-IncomeIncome statistics
4CREDIT-SpendingSpending statistics
5CREDIT-LoanLoan/default statistics
6CPIBusiness/enterprise status
9GIS-InflowGeographic inflow analysis
10GIS-OutflowGeographic outflow analysis
11GIS-ConsumptionGeographic consumption analysis

Training Details

ItemValue
Base modelQwen/Qwen3-4B
MethodLoRA SFT → merged full model
Training samples16,292 (Korean)
Validation samples2,034
Special tokens<TASK_CSM>, <TASK_CREDIT>, <TASK_GIS>, <TASK_ALP>, <TASK_CPI>
Max sequence length6,144
ArchitectureQwen3ForCausalLM (36 layers, 2560 hidden, 32 heads)

Training data consists of synthetically generated Korean natural language queries paired with structured JSON outputs, covering the Busan public data analytics domain.

Evaluation Methodology

  • Metric: Field-level exact match — each JSON key's value is compared against the gold label. The summary field is excluded from comparison.
  • Test set: 2,041 samples, stratified by category
  • Gold label noise: 64/700 CSM samples have age_cd capped at [10..60] instead of [10..70] for "all ages" queries, conflicting with the prompt specification. These affect all models equally and are excluded in the adjusted metric.
  • Train/Test overlap: 16/2,041 input strings (0.78%) appear in both sets — retained for consistency.
  • All models received identical system prompts per category.

Hardware

ModelServingGPU
DLM-NL2JSON-4BTensorRT-LLMNVIDIA L4 24GB
GPT-4oOpenAI APIN/A
Qwen3.5-35B-A3BvLLMNVIDIA A6000 48GB

Usage

from transformers import AutoTokenizer, AutoModelForCausalLM

model_id = "dataslab/DLM-NL2JSON-4B"
tokenizer = AutoTokenizer.from_pretrained(model_id, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(model_id, trust_remote_code=True)

# System prompt (example: CSM consumer spending schema — abbreviated for readability)
# Full prompts per category are available in the repository's eval/prompts.py
system_prompt = """너는 반드시 **JSON 한 줄**만 출력한다. 설명/텍스트/코멘트/마크다운/코드블록/이모지/공백 줄 금지.
출력은 항상 { 로 시작하고 } 로 끝난다.

[스키마: TASK_CSM] (키/타입/순서 엄수)
{"summary":string,"base_ym":int,"region_nm":string,"industry_select":object,"sex_cd":[int],"age_cd":[int],"category":2}

[기본값]
- base_ym: 0, region_nm: "부산광역시"
- industry_select: 업종 미지정 시 전 대분류 키를 []로 설정
- sex_cd: [0,1], age_cd: [10,20,30,40,50,60,70]
- category: 항상 2

[대분류 코드표] 1:여행/숙박 2:여가/문화 3:유통 4:음식/주점 5:음식료품
6:의류/잡화 7:미용 8:의료 9:교육 10:생활 11:자동차"""

# Note: special token <TASK_CSM> must be included in the user message
user_query = "<TASK_CSM>\n2024년 1월 해운대구 중동 의류/잡화랑 뷰티 쪽 남성 20~40대 위주로 알려줘"

messages = [
    {"role": "system", "content": system_prompt},
    {"role": "user", "content": user_query}
]

text = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
inputs = tokenizer(text, return_tensors="pt").to(model.device)
outputs = model.generate(**inputs, max_new_tokens=512, temperature=0.0, do_sample=False)
print(tokenizer.decode(outputs[0][inputs.input_ids.shape[-1]:], skip_special_tokens=True))
# {"summary":"##2024년 1월 부산광역시 해운대구 중동 의류/잡화/미용 소비분석##","base_ym":202401,"region_nm":"부산광역시 해운대구 중동","industry_select":{"6":[],"7":[]},"sex_cd":[0],"age_cd":[20,30,40],"category":2}
# Note: "뷰티" → mapped to 미용(code 7), "해운대구 중동" → normalized to "부산광역시 해운대구 중동"

vLLM / OpenAI-compatible serving

from openai import OpenAI

client = OpenAI(base_url="http://your-server:8006/v1", api_key="token")
resp = client.chat.completions.create(
    model="DLM-NL2JSON-4B",
    messages=[
        {"role": "system", "content": system_prompt},
        {"role": "user", "content": "<TASK_CSM>\n2024년 1월 해운대구 중동 의류/잡화랑 뷰티 쪽 남성 20~40대 위주로 알려줘"}
    ],
    max_tokens=512,
    temperature=0.0,
    extra_body={"chat_template_kwargs": {"enable_thinking": False}}  # disable thinking mode
)
print(resp.choices[0].message.content)

Important: When serving with vLLM/TensorRT-LLM, pass chat_template_kwargs: {"enable_thinking": false} to disable the Qwen3 thinking mode. Otherwise, reasoning tokens will consume the output budget and truncate the JSON.

Known Limitations

  1. CPI category (86.3%) is the weakest — complex industry classification codes (A~U with sub-codes) are harder to extract.
  2. CSM training data noise: ~8% of CSM training samples have age_cd capped at 60 instead of 70 for "all ages" queries, introducing inconsistency.
  3. Domain-specific only: This model is trained exclusively for the Busan public data schema extraction task. It has no general-purpose capabilities and should not be used as a general chatbot.
  4. Korean only: All training data and prompts are in Korean.

Citation

If you use this model, please cite:

@misc{dsl-dlm-nl2json-4b,
  title={DLM-NL2JSON-4B: A Domain-Specific Language Model for Korean Public Data Schema Extraction},
  author={Data Science Lab., Ltd.},
  year={2026},
  url={https://huggingface.co/dataslab/DLM-NL2JSON-4B}
}

Contact

  • Organization: Data Science Lab., Ltd.
  • Project: Busan Metropolitan City Big Data Wave

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3ForCausalLM
Ревизия весов
7ad32be

0 моделей