Дообученная на базе Llama 3 8B Instruct модель для извлечения ключевых ответов из текстовых выводов LLM при автоматической оценке.

Подходит для: извлечение краткого ответа из вывода языковой модели · автоматическая проверка ответов LLM на тестовых заданиях · подготовка ответов для оценки по набору KAF

Metis-4B — дообученная мультимодальная модель с постоянной памятью для диалога, понимания изображений и генерации текста.

Подходит для: диалог с сохранением информации из предыдущих взаимодействий · ответы с учётом накопленной информации о пользователе или задаче · понимание изображений в диалоговом интерфейсе

Реранкер на базе Qwen3, который сортирует найденные текстовые фрагменты по релевантности для памяти LLM-агентов, диалогового поиска и RAG.

Подходит для: переранжирование фрагментов долговременной памяти агента · поиск фактов с временными ограничениями в истории диалога · поиск причин и следствий в многоходовой переписке

MemReader-4B-thinking — дообученная языковая модель для извлечения, поиска и обновления долговременной памяти диалоговых агентов.

Подходит для: извлечение устойчивых фактов из диалогов для памяти агента · разрешение неоднозначных ссылок с помощью поиска по прежним записям · обновление устаревших или конфликтующих сведений о пользователе

Компактная дообученная модель IAAR для извлечения ключевых ответов из текстовых ответов LLM при автоматической оценке.

Подходит для: извлечение итогового ответа из развёрнутого ответа LLM · подготовка ответов LLM к автоматической оценке · проверка результатов моделей на тестовых наборах

Дообученная на базе Qwen/Qwen3.5-9B модель с постоянной памятью для диалогов и мультимодальной генерации.

Подходит для: диалог с сохранением контекста между взаимодействиями · ответы с учётом ранее сообщённой пользователем информации · генерация текста в чат-сценариях

Metis-27B — дообученная мультимодальная модель с постоянной памятью для диалогов и обработки изображений.

Подходит для: диалоги с сохранением информации между обращениями · ответы с учётом ранее предоставленного контекста · обсуждение содержимого изображений

Дообученная ChatGLM-модель для извлечения итоговых ответов и проверки их эквивалентности в задачах оценки рассуждающих моделей.

Подходит для: извлечение окончательного ответа из длинного математического решения · проверка правильности ответа на задачу с единственным решением · сопоставление математических выражений в разных форматах

Компактная дообученная модель Qwen3 для выявления и классификации чувствительной информации в диалогах перед их передачей облачным агентам.

Подходит для: извлечение персональных данных из пользовательских диалогов · классификация чувствительной информации по уровням приватности · подготовка диалогов к передаче облачному агенту с сохранением смысла

Компактная дообученная модель для извлечения и проверки окончательных ответов в объективных задачах с одним правильным ответом.

Подходит для: извлечение финального ответа из длинного рассуждения · проверка ответов на математические задачи · оценка ответов на тесты с выбором варианта

Компактная дообученная на Qwen3 модель извлекает и классифицирует чувствительные данные в диалогах, чтобы защитить персональную память агента при передаче контекста в облако.

Подходит для: Поиск персональных данных в сообщениях пользователя · Классификация чувствительных сведений по уровням приватности PL1–PL4 · Замена приватных фрагментов типизированными заполнителями перед отправкой диалога в облако

Модель на базе Llama 3.1 8B, которая извлекает и проверяет итоговые ответы на объективные вопросы, в том числе после длинных рассуждений.

Подходит для: проверка ответов на математические задачи · извлечение итогового ответа из длинного рассуждения · сравнение ответа с эталоном с учётом эквивалентных математических записей

Дообученная Qwen3-4B для извлечения и классификации приватных данных в диалогах перед передачей контекста облачным агентам.

Подходит для: выделение персональных данных из диалогов с ИИ · классификация чувствительных фрагментов по уровням приватности · замена приватных значений типизированными заполнителями перед облачной обработкой

Дообученная на Qwen3-4B модель для выявления и классификации чувствительной информации в диалогах перед передачей данных облачным агентам.

Подходит для: поиск персональных данных в переписке с ИИ-агентом · классификация чувствительной информации по уровням приватности PL1–PL4 · замена приватных фрагментов типизированными заполнителями перед отправкой в облако