Специализированный LLM с 4B параметрами, который превосходит GPT-4o (+14%p) и Qwen3.5-35B (+22%p) при структурированном извлечении JSON из корейских запросов на естественном языке. DLM (языковая модель, специфичная для предметной области) — это серия специализированных моделей от Data Science Lab., Ltd.. Эта модель представляет собой объединенную с LoRA Qwen3-4B, настроенную для структурированного извлечения JSON в службе анализа общедоступных данных столичного города Пусан. Оценено на 2041 тестовом образце в 10 категориях задач (точное соответствие на уровне поля, без сводки): adj: исключено 64 образца CSM с известным шумом золотой метки (см. раздел «Оценка») * DLM-NL2JSON-4B выигрывает в 8 из 10 категорий, с наибольшим приростом по ALP (+43%p по сравнению с GPT-4o) и CREDIT-Income (+41%p). > Эта модель НЕ является универсальным преобразователем NL в JSON. Он обучается исключительно для фиксированного набора предопределенных схем, используемых в конкретном производственном сервисе. Он не будет обобщаться на произвольные схемы JSON или другие форматы подсказок. Чтобы правильно использовать эту модель, вы должны: 1. Использовать именно те системные подсказки, которым она была обучена (по одному на каждую категорию задач — см. раздел «Использование») 2. Включить во входные данные соответствующий специальный токен (, , , , ) 3. Ожидать вывода, соответствующего только…
Модальности:
Генерация текста
Области применения:
Диалог / чат
Задача: Генерация текста
Автор: dataslab
Теги: qwen3, task-specific, structured-prediction, korean, public-sector, domain-specific, merge, conversational
Лайков: 5 | Загрузок: 77
Описание основано на материалах HuggingFace. Перевод выполнен автоматически.
