Uploaded finetuned model
- Developed by: lugman-madhiai
- License: apache-2.0
- Finetuned from model : LiquidAI/LFM2.5-230M
This lfm2 model was trained 2x faster with Unsloth and Huggingface's TRL library.
Характеристики
- Контекст
- 128 000 токенов
- Параметры
- 221 млн
- Лицензия
- Apache 2.0
- Архитектура
- lfm2 · dense
- Базовая модель
- LFM2.5-230M
- Опубликована
- 12 сен 2026
Ссылки
LFM2.5-230M-SearchAgent-SFT-02
Дообученная компактная модель LFM2 для генерации текста в диалоговых и лёгких агентных сценариях поиска.
179скачиваний за 30 дней0лайковвеса обновлены12 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.
Добавьте модель в бенчмарк
Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
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
LFM2.5-230M-SearchAgent-SFT-02 — дообученная модель lugman-madhiai на базе LiquidAI/LFM2.5-230M. Это плотная языковая модель архитектуры LFM2 с 221,2 млн параметров, предназначенная для генерации текста в диалоговом формате и лёгких агентных сценариев поиска. В карточке указано, что модель обучали с помощью Unsloth и библиотеки TRL; базовая модель описана как компактная инструкционная модель для извлечения данных и локальных агентных задач.
Модель принимает текст и генерирует текст; заявленный родной контекст — 128 000 токенов. В метаданных указан английский язык. Лицензия — Apache-2.0. README не приводит результатов оценки качества или подробностей о целевом наборе данных и конкретных поисковых функциях, поэтому пригодность для отдельных сценариев поиска следует проверять на собственных примерах.
Сценарии применения
- генерация ответов в текстовом диалоге
- создание прототипа лёгкого поискового агента
- извлечение сведений из текстового запроса
- локальные эксперименты с компактной языковой моделью
Ограничения
README не содержит метрик качества, описания данных обучения или подробных результатов для поисковых сценариев. Английский указан в метаданных как поддерживаемый язык.
Для каких профессий подходит3
Разделы каталога профессий, в задачах которых используется эта модель
I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделейII.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделейI.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель
Карточка модели
README от автора на Hugging Face, как он его опубликовал
Как запустить
На своей GPU в ailist. Цена — по текущим предложениям провайдеров
GPU в ailist
Универсальный рантайм
Подбираем GPU…
- Класс архитектуры
- Lfm2ForCausalLM
- Ревизия весов
- 35c4436