— 🎯 Фокус: RAG, контроль качества документов, извлечение информации, построение графа знаний, обобщение — 🧠 Основная идея: тренируйте языковые навыки (понимание, извлечение, рассуждение), а не запоминание фактов — знания исходят из контекста — 🏆 Результаты: самая эффективная модель 7B на MultiQ (многоступенчатый контроль качества); #1 на NEREL-bench (построение графа знаний), опережая модели до 32B; почти идеальное получение пароля до 128 тыс. токенов — 🇷🇺 Языки: русский (основной) + английский — ⚡ Токенизатор: 3,77 символов/токен на русском языке — на 47% эффективнее, чем стандартный Qwen2.5 — 🖥️ Развертывание: подходит для одного потребительского графического процессора; работает с vLLM и трансформерами из коробки — 📜 Лицензия: Apache 2.0 > Используйте, когда: у вас есть документы и вам нужно извлечь информацию, ответить на вопросы по ним или построить граф знаний. > Не используйте, когда: вам нужен чат-бот общего назначения с обширными знаниями и без конвейера поиска. Почему «Мено»? Название отсылает к диалогу Платона «Менон», где Сократ утверждает, что знание не изучается, а вспоминается изнутри (ἀνάμνησις). Мы переворачиваем эту метафору: вместо того, чтобы предполагать, что знания уже находятся внутри модели, мы воплощаем их в поисковый корпус и позволяем модели…
Модальности:
Генерация текста
Области применения:
Диалог / чат RAG (поиск + генерация) Суммаризация Распознавание сущностей Ответы на вопросы
Задача: Генерация текста
Автор: bond005
Теги: qwen2, rag, ner, information-extraction, summarization, question-answering, document-qa, long-context
Лайков: 7 | Загрузок: 263
Описание основано на материалах HuggingFace. Перевод выполнен автоматически.
