К содержимому
Языковые модели

TribalBus AI

мультиязычный классификатор намерений для заказа автобусных билетов

2 мин чтенияобновлено

Проект представляет собой исследовательскую conversational AI-систему (разговорный искусственный интеллект), созданную для распознавания запросов пассажиров и бронирования билетов на автобусы. Модель понимает сообщения на английском, урду, пушту и в их латинских транслитерациях (Roman Urdu/Pashto), извлекая из текста ключевые сущности вроде городов отправления и прибытия, дат, времени и количества мест. Система классифицирует намерения пользователя на 14 категорий и перенаправляет их в бэкенд системы бронирования. В основе лежат как классические методы (TF-IDF и LinearSVC), так и трансформерная модель Qwen3-0.6B, дообученная с помощью PEFT / LoRA (небольшой надстройки над базовой моделью для эффективного обучения).

Ключевые особенности

  • Поддержка английского, урду, пушту и латинских транслитераций (Roman Urdu/Pashto).
  • Распознавание 14 типов намерений (поиск рейсов, проверка мест, расписание, бронирование, отмена и др.).
  • Выделение 6 категорий сущностей (пункт отправления, назначения, дата, время, количество мест и ID бронирования).
  • Комбинация гибридного классификатора LinearSVC и трансформерного подхода на базе Qwen3-0.6B с LoRA.
  • Архитектура безопасности, требующая обязательного подтверждения перед проведением операций с бронированием.

Что можно сделать

  • Применить модель в чат-боте службы поддержки автобусных перевозок для автоматической обработки текстовых запросов пассажиров.
  • Настроить мультиязычную маршрутизацию входящих сообщений на разных языках и диалектах.
  • Использовать модуль извлечения сущностей для автоматического заполнения полей заказа билетов по фразам вроде «два места из Исламабада в Лахор завтра вечером».
  • Интегрировать исследовательские артефакты и LoRA-адаптер в собственные конвейеры обработки естественного языка (NLP) на базе PyTorch и Transformers.

Пример

Пример структуры данных, которую система должна формировать на выходе при разборе сообщения пользователя:

{
  "intent": "book_ticket",
  "entities": {
    "origin": "Parachinar",
    "destination": "Islamabad",
    "travel_date": "tomorrow",
    "departure_time": "evening",
    "seats": 2,
    "booking_id": null
  },
  "requires_confirmation": true
}
Подробнее• Точность экспериментов: улучшенный Qwen LoRA показал 78.95% на тестовой выборке, гибридный классификатор — 79.21% на валидации.
• Архитектура LoRA: ранг 16, alpha 32, dropout 0.05.
• Датасет: 1,510 записей (после очистки и аугментации), разделенных на обучающую, валидационную и тестовую выборки.
• Ограничения: пушту-специфичный классификатор показал меньшую точность (56.99%) из-за сложностей с расписанием и поиском рейсов.
Обсудить Telegram 0

Запустится ли?

Считаем требования к памяти

Бот ещё собирает размеры весов этой модели — оценка появится здесь через несколько минут. Пока можно арендовать видеокарту с запасом.

Massed ComputeОткрыть Massed Compute

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # sharjeel01/TribalBus-AI
    # ===== Токены: вставьте свои между кавычками =====
    export HF_TOKEN=""        # huggingface.co/settings/tokens — для закрытых моделей
    # ==========================================
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download sharjeel01/TribalBus-AI --local-dir ~/models/TribalBus-AI
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к TribalBus-AI
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

  • MTP (multi-token prediction)0.34.0от 16 ноября 2026новая версия

    1.5–2× скорость генерации

    Если в модели есть MTP-слои (DeepSeek-V3/R1, Qwen3-Next, GLM, MiMo и др.), она сама предсказывает несколько токенов за шаг.

    Как включить: vLLM / SGLang: --speculative-config '{"method": "mtp", "num_speculative_tokens": 1}'. Смотрите карточку модели.

    Предыдущие поколения (2)
    • EAGLE-3 — Спекулятивное декодирование с маленькой «черновой» головой. Для моделей без своих MTP-слоёв.
    • EAGLE-2 / Medusa — Предыдущие поколения драфт-голов. Если нашли только их — тоже работают.
  • FP8 KV cache0.34.0от 16 ноября 2026новая версия

    в 2× больше контекста в той же памяти

    Хранит кэш внимания в 8 битах — длинный контекст влезает туда, где раньше не помещался.

    Как включить: vLLM: --kv-cache-dtype fp8; llama.cpp: -ctk q8_0 -ctv q8_0.

  • vLLM / SGLang0.34.0от 16 ноября 2026новая версия

    в разы больше токенов/с на сервере

    Серверные движки: пакетная обработка, FlashAttention, FP8, спекулятивное декодирование из коробки.

    Как включить: vllm serve <модель> — OpenAI-совместимый API.

    Предыдущие поколения (1)
    • llama.cpp — GGUF-модели на любой видеокарте, Mac и даже CPU; часть слоёв можно держать в ОЗУ.

Семья модели

Новые посты про версии TribalBus-AI — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

sharjeel01/TribalBus-AI
Автор
sharjeel01
Категория
Языковые модели
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Языковые модели

Ritual PII MiniLM

Ritual PII MiniLM
Языковые модели

SILY-1 Chat

SILY-1 Chat
Языковые модели

Lory-4B v2

Lory-4B v2