Kev-27B оценивает заданные варианты ответа на вопросы по документу и выдаёт вероятности для классификации, маршрутизации и триажа.
Подходит для: классификация документов по заданным категориям · маршрутизация обращений по командам или очередям · триаж документов с передачей неуверенных случаев человеку
Черновая модель PARD на базе Llama 3.2 с 1,2 млрд параметров для ускорения генерации текста методом спекулятивного декодирования.
Подходит для: ускорение генерации ответов чат-моделью · ускорение инференса Llama в vLLM · ускорение авторегрессионной генерации в Transformers+
Производная модели amd/PARD-Llama-3.2-1B. Черновая модель PARD на базе Llama 3.2 с 1,2 млрд параметров для ускорения генерации текста методом спекулятивного декодирования.
Подходит для: ускорение генерации ответов чат-моделью · ускорение инференса Llama в vLLM · ускорение авторегрессионной генерации в Transformers+
Производная модели amd/PARD-Llama-3.2-1B. Черновая модель PARD на базе Llama 3.2 с 1,2 млрд параметров для ускорения генерации текста методом спекулятивного декодирования.
Подходит для: ускорение генерации ответов чат-моделью · ускорение инференса Llama в vLLM · ускорение авторегрессионной генерации в Transformers+
Производная модели amd/PARD-Llama-3.2-1B. Черновая модель PARD на базе Llama 3.2 с 1,2 млрд параметров для ускорения генерации текста методом спекулятивного декодирования.
Подходит для: ускорение генерации ответов чат-моделью · ускорение инференса Llama в vLLM · ускорение авторегрессионной генерации в Transformers+
Компактная дообученная модель Qwen3, которая оценивает предложенные варианты и выдаёт вероятности для типизированных решений по тексту.
Подходит для: выбор команды и приоритета для обращения в поддержку · классификация намерения клиента по тикету · проверка истинности заданного утверждения
Слитая с базовой Qwen3.5 мультимодальная модель для диалоговых задач с текстом и изображениями.
Подходит для: ответы на вопросы по изображениям · диалог с передачей изображения на анализ · объединение модели kev-0.8b с базовой моделью без отдельного адаптера
Объединённая мультимодальная модель Qwen3.5 на 9 млрд параметров для диалоговых задач с изображениями и текстом.
Подходит для: ответы на вопросы о содержимом изображений · диалог с текстовым и визуальным контекстом · вызов инструментов в диалоговых сценариях
Компактная дообученная модель за один проход оценивает вероятности истинности, выбора и уровней по заданному текстовому или JSON-состоянию.
Подходит для: классификация состояния по заданным вариантам ответа · оценка вероятности истинности утверждения · выбор лучшего действия из списка вариантов
Модель на базе Qwen3.5-4B оценивает пользовательский список вариантов вероятностями для маршрутизации запросов, выбора действий и других задач принятия решений.
Подходит для: выбор инструмента для вызова агентом · маршрутизация запросов по намерениям · распределение обращений по очередям
Модель Tamkimd для ранжирования заданных вариантов и маршрутизации запросов, инструментов и действий агента по контексту.
Подходит для: выбор инструмента для вызова агентом · маршрутизация пользовательского запроса по намерению · оценка вариантов ответа в тесте с выбором
TinyJev-0.6B оценивает вероятности заранее заданных текстовых вариантов для локального выполнения структурированных решений без генерации свободного текста.
Подходит для: выбор действия по описанию текущего состояния · классификация обращений поддержки по предложенным категориям · оценка истинности утверждения по текстовой записи
Производная модели allenai/paloma-1b-baseline-pile. Англоязычная авторегрессионная модель на 1 млрд параметров, служащая базовой точкой для исследований языкового моделирования на корпусе The Pile и бенчмарке Paloma.
Подходит для: оценка perplexity на текстовых корпусах · сравнение влияния обучающих корпусов на языковое моделирование · воспроизведение экспериментов бенчмарка Paloma
Компактная англоязычная чат-модель Particle 1.6 на 109,5 млн параметров для исследований, оценки и небольших демонстраций.
Подходит для: изучение обучения языковой модели с нуля на масштабе около 100 млн параметров · оценка компактной модели в коротких диалогах на английском языке · создание небольшой демонстрации текстового чат-бота
Локальная LiteRT-версия Kev-0.8B отвечает на типизированные вопросы по текстовому состоянию и выдаёт вероятности для классификации и принятия решений.
Подходит для: ответы да/нет по описанию состояния или ситуации · выбор наиболее подходящего варианта из списка · оценка текста по заданной шкале
Дообученная MiniCPM5-2B оценивает варианты ответа по текстовому состоянию и вопросу, выдавая вероятности без генерации текста.
Подходит для: классификация текста по заданным категориям · выбор команды для обработки обращения клиента · определение намерения пользователя по сообщению
Производная модели usejul/minicpm5-2b-decision. Дообученная MiniCPM5-2B оценивает варианты ответа по текстовому состоянию и вопросу, выдавая вероятности без генерации текста.
Подходит для: классификация текста по заданным категориям · выбор команды для обработки обращения клиента · определение намерения пользователя по сообщению