/ Модель

Характеристики

Контекст
512 токенов
Параметры
45,8 млн
Архитектура
t5 · dense
Библиотека
transformers
Опубликована
21 авг 2026

saadhyam-context-email-generator

Генерация текстаТекст → текст4 профессии

Дообученная FLAN-T5-small, которая составляет профессиональные письма на английском языке с учётом аудитории, ситуации и типа письма.

67скачиваний за 30 дней0лайковвеса обновлены21 авг 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

Saadhyam Context-Aware Email Generator — дообученная модель Google FLAN-T5-small от автора репозитория mentneo для генерации профессиональных писем по запросу с учётом аудитории, контекста и типа письма. В качестве входных данных используются аудитория, контекст, тип письма и запрос пользователя; предусмотрены сценарии для кандидатов, клиентов, сотрудников, студентов и общей аудитории, а также для поддержки клиентов, образования, рекрутинга и рабочего общения.

Модель построена на архитектуре T5 и содержит 45,8 млн параметров. Она рассчитана на английский язык и имеет контекст длиной до 512 токенов. Модель представлена в формате Safetensors; для запуска используется библиотека Transformers.

В карточке приведены результаты оценки на тестовых примерах Saadhyam: совместимость с контекстом составила 94,17%, а в проверках генерации на тестовых сценариях заявлены полнота вывода и соответствие шаблону. Эти показатели получены на данных разработки и не гарантируют качество на новых производственных запросах. Лицензия в предоставленных данных не указана.

Сценарии применения

  • составление ответа клиенту по описанию ситуации
  • подготовка письма кандидату о вакансии или ходе отбора
  • написание рабочего письма для сотрудников
  • создание письма студенту в образовательном контексте
  • черновик профессионального письма по краткому запросу и заданному контексту

Ограничения

Заявленные показатели основаны на тестовом наборе Saadhyam и сценариях разработки; качество на новых производственных данных требует отдельной оценки. Длина контекста ограничена 512 токенами.

Для каких профессий подходит4

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

Saadhyam Context-Aware Email Generator

A fine-tuned FLAN-T5 model for generating professional emails from context-aware user requests.

Model

Base model:

google/flan-t5-small

The model was fine-tuned using context-aware email-generation data.

Context Information

The model uses:

  • Audience
  • Context
  • Email type
  • User request

Supported audiences include:

  • candidate
  • customer
  • employees
  • general
  • students

Supported contexts include:

  • customer_service
  • education
  • general
  • recruitment
  • workplace

Training

Training samples: 960

Validation samples: 120

Test samples: 120

Training epochs: 5

Learning rate: 2e-5

Batch size: 8

Evaluation

Test loss: 0.248608

Test perplexity: 1.2822

Template accuracy on test set: 100%

Context compatibility on test set: 94.17%

Real-world generation test:

  • JSON validity: 100%
  • Output completeness: 100%
  • Template accuracy: 100%
  • Context compatibility: 100%

Important

The reported accuracy values are based on the Saadhyam evaluation dataset and real-world test cases used during development.

Additional evaluation on unseen production data is recommended.

Repository

Hugging Face repository:

https://huggingface.co/likhitha7274/saadhyam-context-email-generator

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
T5ForConditionalGeneration
Ревизия весов
4d9d54b

0 моделей