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
Orbit Support Drafter — компактная модель для подготовки черновиков ответов в многоагентной системе поддержки LangGraph для вымышленного магазина Orbit Electronics. Она основана на HuggingFaceTB/SmolLM2-360M-Instruct и дообучена методом supervised fine-tuning (SFT); адаптер LoRA объединён с базовой моделью. Модель использует плотную архитектуру семейства Llama, содержит 361,8 млн параметров и поддерживает контекст до 8192 токенов.
Модель предназначена для создания ответов на симулированные обращения клиентов по учебным правилам Orbit Electronics. В описанной оценке на отложенных синтетических заявках SFT-версия при температуре 0 получила одобрение первого черновика в 61,9% случаев и разрешила столько же обращений в составе полной многоагентной системы. Обучающие данные синтетические, поэтому результаты не подтверждают пригодность для реальной службы поддержки или политик других компаний. Лицензия — Apache-2.0.
Сценарии применения
подготовка черновика ответа на обращение клиента
ответы на вопросы по учебным правилам Orbit Electronics
встраивание агента составления ответов в граф LangGraph
эксперименты с многоагентной поддержкой клиентов
Ограничения
Модель обучена на синтетических данных и знает только учебные правила вымышленного магазина Orbit Electronics; оценки получены на симулированных обращениях. Результаты не подтверждают её качество на реальных клиентских запросах или политиках других организаций.
Карточка модели
README от автора на Hugging Face, как он его опубликовал
The Drafter agent of a LangGraph multi-agent support system for the fictional shop Orbit
Electronics. Base model HuggingFaceTB/SmolLM2-360M-Instruct, LoRA-fine-tuned and merged. Stage: sft
(sft = supervised on the response simulator; dpo = then aligned with human and critic
preferences via Direct Preference Optimisation).
Evaluation (held-out simulated tickets, full multi-agent graph)
stage
temperature
first-draft approval
resolved
avg drafts
base
0
0
0
3
sft
0
0.619
0.619
1.762
sft
0.7
0.476
0.524
2
Knowledge-base fingerprint: 034b279610ce. Demo model trained on synthetic data; it only
knows the toy policies of Orbit Electronics.
Как запустить
На своей GPU в ailist. Цена — по текущим предложениям провайдеров