Ինչ է կառուցում լաբորատորիան

• ● Մոդել Լիցենզիա: Apache-2.0 Բազա: deepvk/RuModernBERT-small

  strizh-ru-retriever

  Ինչ խնդիր է լուծում

  Ինքնուրույն տեղակայված ռուսերեն RAG-ին պետք է առաջին փուլի ռետրիվեր, որը բավական փոքր է CPU-ի վրա մնացած ամեն ինչի կողքին աշխատելու համար — և որը query/document պրեֆիքսներ չի պահանջում, որոնք ամեն փաթաթան մոռանում է ավելացնել։

  Ինչ է սա

  24.4M պարամետրանոց, 4-շերտանոց նախադասությունների էնկոդեր՝ ստացված RuModernBERT-small-ի շերտային prune-ով և վերաուսուցմամբ։ Մեկ 384-չափանի էմբեդինգ ամեն տեքստի համար, առանց պրեֆիքսների, ճարտարապետությունն ընդունում է մինչև 8192 թոքեն (կոնտրաստիվ ուսուցումը 256-թոքենանոց հաջորդականություններով էր)։

  Բացել → GGUF build → Վերլուծություն: Habr →

• ● Մոդել Լիցենզիա: Apache-2.0 Բազա: t-tech/T-lite-it-2.1 (Qwen3-8B)

  agmind-rag-splitter-ru

  Ինչ խնդիր է լուծում

  Ֆիքսված չափի կտրումը ռուսերեն փաստաթղթերը կիսում է մտքի կեսին և երկու մասի բաժանում աղյուսակներն ու կոդի բլոկները։ Որոնումն այնուհետև վերադարձնում է հատվածներ, որոնք ինքնուրույն այլևս ոչ մի բանի չեն պատասխանում։

  Ինչ է սա

  LoRA-դոուսուցում, որն ընդունում է նախապես համարակալված միավորների բաժանված փաստաթուղթ և վերադարձնում սահմանների ինդեքսներ գումարած թեման՝ JSON-ով; չանկերը հավաքվում են հոսթի կողմում։ v2-ում դատասեթը հասավ 28k օրինակի վեց տիպի աղբյուրներից և ավելացավ առանձնացված էտալոն՝ 140 out-of-domain իրավական փաստաթուղթ, պիտակավորված երկու անկախ մոդելների կոնսենսուսով և արբիտրաժով։

  Բացել → GGUF build → Վերլուծություն: Habr →

• ● Դատասեթ Լիցենզիա: Apache-2.0

  agmind-rag-splitter-ru-data

  Ինչ խնդիր է լուծում

  Ռուսերեն չանկինգի մոդելների ուսուցողական տվյալները ոչ ոք չի հրապարակում, ուստի ոչ ոք չի կարող ստուգել, թե կոնկրետ ինչն է մոդելը սահման համարել։

  Ինչ է սա

  Սպլիտերի ուսուցողական կորպուսը՝ հրապարակված այնպես, որ պիտակավորումը հնարավոր լինի ստուգել, իսկ մոդելը՝ վերաուսուցանել ցանկացածին։

  Բացել →

• ● Մոդել Լիցենզիա: Apache-2.0 Բազա: Qwen/Qwen3-1.7B

  qmd-query-expansion-ru

  Ինչ խնդիր է լուծում

  qmd լոկալ որոնողական շարժիչի ստանդարտ query-expansion մոդելը սովորեցված է միայն անգլերենով. ռուսերեն հարցումը այն վերաշարադրում է անգլերեն հալյուցինացիա-կաղապարի, իսկ ելքի ֆորմատը քայքայվում է (upstream issue-ներ #774 և #454)։ qmd-ի BM25-ը նաև օգտագործում է Porter-ի ստեմեր, որը ռուսերենի ձևաբանությունը չի հասկանում, ուստի ընդլայնումն ինքը պետք է ծածկի բառաձևերը։

  Ինչ է սա

  Drop-in ռուսերեն փոխարինում՝ սովորեցված upstream finetune բաղադրատոմսով, որը տալիս է և՛ իմաստային, և՛ ձևաբանական ընդլայնումներ, որպեսզի լեքսիկական որոնումը գտնի բառաձևերը։

  Բացել → GGUF build →

• ● Harness Լիցենզիա: Apache-2.0

  agmind-bench

  Ինչ խնդիր է լուծում

  Հրապարակված թիվը ոչինչ չարժե, եթե այն արտադրած գործիքը փակ է. ոչ ոք չի կարող ստուգել, թե ինչն է ձախողում համարվել, և վերարտադրել բջիջը։

  Ինչ է սա

  Ինքը չափիչ harness-ը՝ ռաններ, workload-ների սառեցված կորպուսներ, որակի վեց gate-եր իրենց unit թեստերով, գումարած DuckDB հարցումները, որոնցով ստացվում է ամեն հրապարակված արժեք։

  Բացել →

• ● Ապացույցների արխիվ Լիցենզիա: CC BY 4.0

  agmind-lab

  Ինչ խնդիր է լուծում

  Ամփոփ աղյուսակները կարող են ցանկացած բան թաքցնել։ Առանց հարցում առ հարցում գրառումների կողմնակի մարդը մաքուր արդյունքը չի տարբերի ընտրվածից։

  Ինչ է սա

  Ամեն հրապարակված գործարկում՝ որպես կնքված ապացույցների փաթեթ. մանիֆեստ, հարցում առ հարցում գրառումներ՝ ներառյալ ձախողումները, gate-երի արդյունքներ, harness-ի ագրեգատներ, սերվերի լոգ և չեքսումներ — գումարած կատալոգը, որը փաթեթները կապում է claim-երի հետ։

  Բացել →

Արտեֆակտը նկարագրող թվերը (պարամետրերի քանակ, էմբեդինգի չափ, դատասեթի ծավալ) հենց արտեֆակտի հատկություններն են՝ ստուգելի իր էջում։ Այն ամենը, թե որքան արագ կամ որքան լավ է աշխատում համակարգը, չափվում է և ապրում իր ապացույցների հետ claim-երի ռեեստրում.