Доработанный Qwen3.5-2B для вызова инструментов криптокошелька. Прошел обучение в Unsloth LoRA на 2029 примерах, охватывающих 103 инструмента блокчейна от Agentek. Оценивалось на 50 приведенных примерах. База = Qwen3.5-2B без доработок. Модель научилась выбирать правильный инструмент (+6,1%), использовать правильные параметры (+4,1%), рассуждать, прежде чем действовать (100% размышлений), и знать, когда НЕ вызывать инструмент (+100%). Небольшое падение точности вызова инструмента (-2%) в основном связано с шумом выборки — 3 из 4 «неудач» завершаются успешно при повторном запуске. Результаты инструмента передаются обратно в виде сообщений роли инструмента, после чего модель генерирует окончательный ответ. Инструменты должны быть определены в системной подсказке как внутренние теги JSON, разделенные новой строкой. Это точно соответствует формату обучающих данных: Сохраняйте простые схемы инструментов — используйте {«type»: «string», «description»: «…»} для каждого свойства. Сложные схемы с любыми объектами, $ref или вложенными объектами сбивают с толку модель 2B. Обучался по 103 инструментам от агентек. Лучшие инструменты на примерах обучения: Полный охват включает в себя: ENS/WNS, ERC20, Uniswap V3, Aave, мост (Across), безопасность (ScamSniffer), Blockscout Explorer, оценку газа, доходность DeFillama, NFT и многое другое. НЕ добавляйте ` в качестве стоп-токена — это не позволяет модели выводить закрывающий тег…
Модальности:
Генерация текста
Области применения:
Диалог / чат
Задача: Генерация текста
Автор: NaniDAO
Теги: gguf, qwen3.5, tool-calling, crypto, blockchain, unsloth, lora, en
Лайков: 6 | Загрузок: 34
Описание основано на материалах HuggingFace. Перевод выполнен автоматически.
