Характеристики

Контекст: 32 768 токенов
Параметры: 494 млн
Лицензия: Apache 2.0
Архитектура: qwen2 · dense
Базовая модель: Qwen2.5-0.5B-Instruct
Библиотека: transformers
Опубликована: 7 окт 2026

Ссылки

revonance-drafter-qwen2.5-0.5b

Генерация текстаТекст → текст

Дообученная на синтетических обращениях модель Qwen2.5 для подготовки черновиков ответов службы поддержки магазина ReVonance.

506скачиваний за 30 дней0лайковвеса обновлены7 окт 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.

Открыть конструктор бенчмарка

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

ReVonance Support Drafter — диалоговая языковая модель для агента подготовки ответов в многоагентной системе поддержки LangGraph магазина ReVonance. Она создана дообучением Qwen/Qwen2.5-0.5B-Instruct: после полного SFT на симулированных ответах модель прошла выравнивание предпочтений методом DPO с использованием предпочтений людей и критика.

Модель предназначена для подготовки черновиков ответов на обращения клиентов по игрушечным правилам ReVonance. Это плотная архитектура Qwen2 с 494 млн параметров, поддерживает генерацию текста и контекст до 32 768 токенов. В README приведено сравнение вариантов обучения на отложенных синтетических обращениях в полной многоагентной системе; модель описана как демонстрационная и знает только синтетические политики магазина. Распространяется по лицензии Apache-2.0.

Сценарии применения

подготовка черновиков ответов на обращения клиентов ReVonance
ответы на вопросы клиентов по игрушечным правилам магазина
создание агента поддержки в многоагентном графе LangGraph

Ограничения

Демо обучено на синтетических данных и знает только игрушечные правила ReVonance; его знания не следует считать подходящими для реальной политики магазина. Оценка в README проведена на симулированных обращениях в полной многоагентной системе.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

ReVonance Support Drafter (DPO, full)

The Drafter agent of a LangGraph multi-agent support system for the fictional shop ReVonance. Base model Qwen/Qwen2.5-0.5B-Instruct, fine-tuned with full fine-tuning. Stage: dpo (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)

model	A	B	T	approval A	approval B	Δ (B − A, pts)	B only	A only	McNemar p
qwen2.5-0.5b	LoRA SFT	Full SFT	0	1	1	0	0	0	1
qwen2.5-0.5b	LoRA SFT	Full SFT	0.7	1	1	0	0	0	1
qwen2.5-0.5b	LoRA SFT → LoRA DPO	Full SFT → LoRA DPO	0	0.832	1	16.8	28	0	0
qwen2.5-0.5b	LoRA SFT → LoRA DPO	Full SFT → LoRA DPO	0.7	0.832	0.976	14.4	28	4	0
qwen2.5-0.5b	LoRA SFT → LoRA DPO	Full SFT → full DPO	0	0.832	0.862	3	20	15	0.4996
qwen2.5-0.5b	LoRA SFT → LoRA DPO	Full SFT → full DPO	0.7	0.832	0.874	4.2	26	19	0.3713
qwen2.5-0.5b	LoRA SFT	LoRA SFT → LoRA DPO	0	1	0.832	-16.8	0	28	0
qwen2.5-0.5b	LoRA SFT	LoRA SFT → LoRA DPO	0.7	1	0.832	-16.8	0	28	0
qwen2.5-0.5b	Full SFT	Full SFT → LoRA DPO	0	1	1	0	0	0	1
qwen2.5-0.5b	Full SFT	Full SFT → LoRA DPO	0.7	1	0.976	-2.4	0	4	0.125
qwen2.5-0.5b	LoRA SFT seed 7	LoRA SFT seed 8	0	1	1	0	0	0	1
qwen2.5-0.5b	LoRA SFT seed 7	LoRA SFT seed 8	0.7	1	1	0	0	0	1
qwen2.5-0.5b	Full SFT seed 7	Full SFT seed 8	0	1	1	0	0	0	1
qwen2.5-0.5b	Full SFT seed 7	Full SFT seed 8	0.7	1	0.994	-0.6	0	1	1

Knowledge-base fingerprint: f9cdb07b5df6. Demo model trained on synthetic data; it only knows the toy policies of ReVonance.

Pipeline: Full SFT → LoRA DPO (Lab 3 winner).

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры: Qwen2ForCausalLM
Ревизия весов: 69a2a45