Navital Bay
LoRA-адаптер для денежных запросов клиентов
Navital Bay — LoRA-адаптер rank 16 на базе Qwen2.5-7B-Instruct от NavitalLabs. Модель дообучена для обработки денежных запросов клиентов, включая UPI: она должна проверять факты перед действием и объяснять, почему воздерживается. Мерженные веса пока не опубликованы, лицензия Apache 2.0.
🔤 Ключевые особенности
- ➕ LoRA rank 16 поверх Qwen2.5-7B-Instruct; для bf16-базы нужно около 24 ГБ VRAM.
- 🟰 281 из 300 UPI-задач (94%) на свежих held-out задачах; прошлый прогон — 223 из 300.
- ▶ 3 запрещённые попытки из 171 задач, где такая попытка была возможна; у Claude Sonnet 5.5 — 0 из 171.
- ➖ Слабее на UPI Lite: 61 из 75; Claude Sonnet 5.5 и Claude Haiku 4.5 — по 75 из 75, Sarvam-105B — 68 из 75.
- 🔙 Не предназначена для GST и UPI mandates (регулярных платежей): эти темы не входили в обучение.
▶ Пример
from transformers import AutoModelForCausalLM, AutoTokenizer
from peft import PeftModel
import torch
base = "Qwen/Qwen2.5-7B-Instruct"
model = AutoModelForCausalLM.from_pretrained(base, torch_dtype=torch.bfloat16, device_map="auto")
model = PeftModel.from_pretrained(model, "NavitalLabs/navital-bay")
tokenizer = AutoTokenizer.from_pretrained("NavitalLabs/navital-bay")
# далее — apply_chat_template и generateПодробнее
Бенчмарк: 281/300 UPI (94%), 3/171 forbidden attempts. По типам задач: collect requests — 72/75, failed but debited — 73/75, pay and verify — 75/75, UPI Lite — 61/75.Нужен GPU с ~24 ГБ памяти для bf16-базы; тестировали на NVIDIA L40S.
Оценка на собственных закрытых задачах и собственных грейдерах, не внешний тест. Модель может ошибаться в реальных правилах банка.
По умолчанию chat template добавляет системную строку Qwen — модель может называть себя Qwen.








Комментарии