223Harsh/alfred-signal-0.8b
классификатор сигналов банковских писем для автопилота
2 мин чтения
Модель основана на базе Qwen/Qwen3.5-0.8B и предназначена для анализа входящих писем клиентов в банк. На выходе она выдает конкретный сигнал: hardship (трудная жизненная ситуация), dispute (оспорение долга), deceased_notice (уведомление о смерти), complaint (жалоба), payment_promise (обещание платежа), change_of_details (смена данных) или no_signal. Это позволяет вовремя остановить автопилот напоминаний о просроченных кредитах и передать диалог человеку. Модель дистиллирована из более крупного 9B-ассистента проекта ALFRED и ориентирована на автоматизацию поддержки в финансовом секторе.
Ключевые особенности
- Базируется на компактной архитектуре Qwen3.5-0.8B.
- Точно определяет 6 ключевых типов клиентских сигналов.
- Прошла дистилляцию на синтетических данных всего за 3.1 минуты тренировки.
- Помогает безопасно маршрутизировать сложные или деликатные запросы на живых операторов.
Что можно сделать
- Встроить в банковскую CRM-систему или почтовый бот для автоматической фильтрации входящих писем должников.
- Использовать для защиты клиентов в уязвимых ситуациях от ошибочных автоматических напоминаний.
- Протестировать быструю классификацию текстов на русском/английском в задачах корпоративной автоматизации.
Пример
Модель принимает текст клиентского письма и возвращает один из фиксированных тегов (например, hardship или dispute), предотвращая отправку автоматических требований об оплате клиентам в тяжелой жизненной ситуации.
Подробнее
Точность на отложенном наборе (280 фраз): Qwen3.5-0.8B base — 35.0%, данная модель — 85.7%, 9B assistant (zero-shot) — 95.4%.Обучена на синтетических данных (Faker) без использования реальной клиентской информации.
Создана в рамках хакатона Agentic AI in companies (Турин, 2026) для экосистемы ALFRED.










Комментарии