/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
3,7 млрд
Лицензия
CC BY-NC 4.0
Архитектура
hrm_text · dense
Базовая модель
HRM-Text-1B
Библиотека
transformers
Опубликована
5 июн 2026

hrm-text-agent-v2

Генерация текстаТекст → текст3 профессии

Дообученная HRM-Text-1B модель для выбора и параллельного вызова инструментов и функций по текстовым запросам.

70скачиваний за 30 дней2лайкавеса обновлены5 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

jasoncarreira/hrm-text-agent-v2 — дообученная версия HRM-Text-1B от Sapient Intelligence, созданная для вызова функций и инструментов. Модель использует плотную архитектуру HRM-Text с PrefixLM и требует оболочку условия `direct`; для инференса автор рекомендует harness из репозитория, а не прямой вызов `.generate()`. Размер модели — 3,7 млрд параметров, контекст — 4096 токенов.

Модель дообучена полным обновлением параметров на примерах Hermes, Glaive, No Robots, синтезированных случаях нерелевантности, данных Salesforce xLAM для параллельных вызовов и примерах дисциплины формата. В BFCL v4 автор сообщает улучшение общего micro-average с 54,7% до 66,8%, включая рост результатов в простых, множественных и параллельных вызовах. Лицензия — CC BY-NC 4.0.

Основные компромиссы — повышенная склонность вызывать инструмент, даже когда подходящего инструмента нет, и снижение результатов на задачах свободной математики относительно v1. Английский язык указан в метаданных; README не сообщает о поддержке других языков.

Сценарии применения

  • вызов функции для бронирования столика
  • параллельный вызов инструментов для проверки погоды и выполнения запроса
  • выбор подходящего инструмента по текстовому запросу
  • формирование структурированных аргументов вызова функции

Ограничения

Модель может вызывать инструмент, даже когда подходящего инструмента нет; также отмечено снижение качества свободных математических задач относительно версии v1. Для инференса требуется оболочка `direct` и harness из репозитория.

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

HRM-Text-1B-agent v2 — tool / function calling (xLAM-scaled)

Full-parameter SFT of sapientinc/HRM-Text-1B for function / tool calling. This is v2 of hrm-text-agent: it adds xLAM parallel / multi-call data and a format-discipline slice. The result is a much stronger tool-caller — call competence into best-1B territory — with some tradeoffs (below).

Code + full writeup: https://github.com/jasoncarreira/hrm-text-agent

Scores — BFCL v4 (official AST checker, full test sets)

Categorynv1v2Δ
simple40061.5%81.5%+20.0
multiple20053.5%77.0%+23.5
parallel20037.5%59.0%+21.5
parallel_multiple20028.0%42.5%+14.5
irrelevance24080.8%60.8%−20.0

Call-category competence (4 call cats, count-weighted): ~48% → 68.3% — into the purpose-built-1B range (xLAM-2-1b-fc-r ~69). Overall micro-average (1,240): 54.7% → 66.8%.

Tradeoff — irrelevance −20: the xLAM data is all-call (no "don't-call" cases), so the model became more eager to call when no tool actually fits.

General capability (base → v1 → v2)

Benchmarkbasev1v2note
MMLU60.1%55.5%58.4%invalid 11.9% → 1.4% (format recovered)
ARC-C83.5%75.1%83.2%invalid 9.9% → 0% (back to base)
HellaSwag63.3%61.9%61.9%stable
Winogrande72.2%70.6%70.7%stable
BoolQ86.3%87.3%86.3%stable
DROP (F1)84.8%83.3%83.7%stable
GSM8k84.5%85.6%78.6%−7 vs v1 (real reasoning, invalid 0%)
MATH-100049.3%45.4%37.0%−8 vs v1 (accuracy, not format)

The format-discipline slice recovered the v1 MCQ regression (ARC fully back to base; MMLU's invalid rate collapsed). But the call-heavy mix introduced a new free-form-math regression (GSM8k −7, MATH −8 vs v1 — not a format artifact). Net: stronger calls + cured MCQ format, at the cost of irrelevance discipline and free-form math. v3 lever: rebalance the mix (more no-call data, protect the reasoning share).

Training

Same cfg_sft recipe as v1 (full-parameter, lr 3e-5, cosine, 3 epochs, max_len 2048, bf16, direct condition token). Data: the v1 mix (Hermes + glaive + no_robots + synthesized irrelevance) + ~14k parallel-biased Salesforce/xlam-function-calling-60k + ~3k format-discipline examples (single-letter MCQ + \boxed{} math, from train/aux splits — leakage-safe), all interleaved. ~3 epochs on an A100 80GB.

Usage

Same as v1 — HRM-Text is a PrefixLM that needs the direct condition envelope, so use the repo harness rather than a bare .generate():

git clone https://github.com/jasoncarreira/hrm-text-agent && cd hrm-text-agent
pip install -r requirements.txt
python infer_agent.py --model jasoncarreira/hrm-text-agent-v2 "Book a table for 2 and check the weather"
python bfcl_local.py --model jasoncarreira/hrm-text-agent-v2 --dump errs.jsonl

License & data lineage

The base model is Apache-2.0, but the training data includes no_robots (CC-BY-NC-4.0) and xLAM-60k (gated, CC-BY-4.0), so treat this derived model as research / non-commercial. Verify the licenses of all sources for your use case.

🤖 Built with Claude Code (including a second Claude driving training on the GPU pod).

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
HrmTextForCausalLM
Ревизия весов
f6b8eb6

0 моделей