К содержимому
Языковые модели

VibeHash/laya-banking77

классификатор банковских запросов с откалиброванной уверенностью

2 мин чтенияобновлено

Модель определяет намерение (интент) клиента банка по тексту обращения на английском языке, распределяя запрос по 77 категориям датасета Banking77. Это файнтюн компактной архитектуры Laya (0.42B параметров от Convai Innovations), который за один проход выдаёт вероятности всех классов. Главная особенность — откалиброванная уверенность (ECE — ошибка калибровки вероятностей): если модель уверена в ответе выше порога, она отвечает сама, а сомнительные или нецелевые вопросы передаёт живому оператору. Пригодится разработчикам финтех-ботов и систем маршрутизации тикетов поддержки.

Ключевые особенности

  • Высокая точность и калибровка: после дообучения точность выросла с 44.0% до 91.5%, а ошибка калибровки (ECE) снизилась с 0.160 до 0.035 — оценка вероятности почти совпадает с реальной долей верных ответов.
  • Умение вовремя промолчать: при пороге уверенности 0.979 модель автоматически закрывает 49.4% обращений с точностью 98.8%, отправляя остальные 50.6% оператору вместе со своей лучшей догадкой.
  • Защита от оффтопа: на нецелевых вопросах из CLINC150 (погода, биржа, алгебра) средняя уверенность составляет всего 0.165, и только 0.7% таких запросов проходят порог.
  • Высокая скорость: медианное время обработки одного сообщения на RTX 4070 SUPER составляет 22 мс, а в батче из 32 сообщений — около 10 мс на запрос.

Что можно сделать

  • Автоматизировать первую линию поддержки: встроить модель в англоязычный банковский чат-бот для мгновенной маршрутизации тикетов по 77 темам (блокировка карты, комиссии, переводы).
  • Настроить гибридную работу с операторами: использовать параметр min_confidence, чтобы отдавать автоответы только при 99% уверенности, а спорные кейсы передавать сотрудникам с готовой подсказкой интента.

Пример

import json, laya
from huggingface_hub import hf_hub_download

REPO = "VibeHash/laya-banking77"
model = laya.load(REPO)
questions = json.load(open(hf_hub_download(REPO, "questions.json")))

res = model.predict("Why was I charged a fee for withdrawing cash?", questions, min_confidence=0.979)
ans = res["answers"]["intent"]
print(ans["abstention"], ans["choice"], ans["answer_confidence"])
Подробнее Точность на тесте Banking77 (3 080 сообщений): 91.5% (2 817 из 3 080), доверительный интервал 95% — 90.4–92.4%.
Обучение: 4 эпохи на 9 603 сообщениях (ещё 400 отложены для подбора порога 0.979), 26 минут на одной RTX 4070 SUPER.
Ограничения: только английский язык и стиль запросов одного банковского приложения; слабее всего различает похожие темы вроде поддержки фиатных валют (75%) и статусов переводов (77.5%).
Лицензия: Apache 2.0.
Обсудить Telegram 1 4

Запустится ли?

Запустится в F16

Влезает без сжатия.

  • F16веса 0.8 GB · готовые файлы1.5 GB
  • FP8 / INT8рекомендуемвеса 0.4 GB1.0 GB
  • 4-bitвеса 0.2 GB0.8 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · F16 — от RTX 2060

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Готовый скрипт под машину, которую мы советуем выше: вставили — модель скачалась и запустилась.

  1. 1. Арендуйте A30

    $0.26 в час с купоном. При создании машины выберите образ Ubuntu.

    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.

    # VibeHash/laya-banking77 — A30, FP8 / INT8
    # Драйвер NVIDIA: для CUDA 13 нужен 580+. Если старее или нет — ставится свежий nvidia-open (оставить свой: KEEP_DRIVER=1)
    DRV=$(nvidia-smi --query-gpu=driver_version --format=csv,noheader 2>/dev/null | head -1 | cut -d. -f1)
    case "$DRV" in ""|*[!0-9]*) DRV=0 ;; esac
    if [ "$DRV" -lt 580 ] && [ -z "${KEEP_DRIVER:-}" ]; then
      . /etc/os-release && \
      curl -fsSLO "https://developer.download.nvidia.com/compute/cuda/repos/ubuntu${VERSION_ID//./}/x86_64/cuda-keyring_1.1-1_all.deb" && \
      sudo dpkg -i cuda-keyring_1.1-1_all.deb && rm -f cuda-keyring_1.1-1_all.deb && \
      sudo apt-get update && \
      sudo DEBIAN_FRONTEND=noninteractive apt-get install -y nvidia-open || \
      { echo "Драйвер NVIDIA поставить не удалось: смотрите ошибку выше. Чтобы оставить текущий, запустите с KEEP_DRIVER=1."; exit 1; }
      echo "Драйвер NVIDIA обновлён. Перезагрузите машину (sudo reboot) и запустите этот же скрипт ещё раз."
      exit 0
    fi
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv venv ~/vllm --python 3.12 && source ~/vllm/bin/activate
    uv pip install vllm
    vllm serve VibeHash/laya-banking77 --max-model-len 8192 --quantization fp8
    Добавить ещё LoRA к laya-banking77
  3. 3. Пользуйтесь

    Сервер слушает порт 8000 и понимает запросы в формате OpenAI: адрес http://localhost:8000/v1 на машине. Со своего компьютера: ssh -L 8000:localhost:8000 пользователь@IP-машины.

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

Дообучение модели

convaiinnovations/laya

Новые посты про версии laya — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 1Все на Hugging Face

О модели

VibeHash/laya-banking77
Автор
VibeHash
Категория
Языковые модели
Дата выхода
На сайте

На сайте

Hugging Face

41

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии