/ Модель

Характеристики

Контекст
8 192 токена
Параметры
362 млн
Лицензия
Apache 2.0
Архитектура
llama · dense
Базовая модель
SmolLM2-360M-Instruct
Библиотека
transformers
Опубликована
7 окт 2026

revonance-drafter-smollm2-360m

Генерация текстаТекст → текст

Компактная дообученная модель для подготовки черновиков ответов на обращения клиентов вымышленного магазина ReVonance.

479скачиваний 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.

  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

ReVonance Support Drafter — компактная диалоговая модель для подготовки черновиков ответов в многоагентной системе поддержки вымышленного магазина ReVonance. Её разработчик дообучил SmolLM2-360M-Instruct методом SFT на синтетических диалогах, затем выполнил выравнивание предпочтений методом DPO; LoRA-адаптер слит с базовой моделью. Модель имеет архитектуру Llama, около 361,8 млн параметров и контекст до 8192 токенов.

Модель предназначена для генерации черновиков ответов по обращениям клиентов с учётом игрушечных правил ReVonance. В описанной оценке на симулированных обращениях проверялась работа всей многоагентной системы, поэтому результаты нельзя считать гарантией качества модели отдельно или на реальных данных. Обучение проводилось на синтетических данных, и модель знает только тестовые политики магазина. Лицензия — Apache-2.0.

Сценарии применения

  • подготовка черновиков ответов на обращения клиентов ReVonance
  • ответы на вопросы о тестовых правилах и политиках магазина
  • встраивание генератора ответов в многоагентный процесс поддержки

Ограничения

Обучена на синтетических данных и знает только тестовые политики вымышленного магазина ReVonance; качество на реальных обращениях не подтверждено. Приведённая оценка относится к полной многоагентной системе, а не к модели в изоляции.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

ReVonance Support Drafter (DPO, lora)

The Drafter agent of a LangGraph multi-agent support system for the fictional shop ReVonance. Base model HuggingFaceTB/SmolLM2-360M-Instruct, fine-tuned with LoRA (merged). 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)

stagemethodtemperaturefirst-draft approvalfda 95% CIresolvedavg drafts
basenone000.00–0.020.0722.94
sftlora00.9940.97–1.000.9941.012
sftlora0.70.9880.96–1.000.9881.024
dpolora010.98–1.0011
dpolora0.70.9820.95–0.990.9821.036

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

Preferences: {'synthetic': 400, 'synthetic (A/B, critic)': 80} (β=0.1, epochs=2).

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
c46c085

0 моделей