GLM-5.3 is live. Run Z.ai's latest model on Friendli Model APIs. Try it today ➜
BenoitJT-GIRARD
Available on FriendliAI
Run this model inference on single tenant GPU with unmatched speed and reliability at scale.
Model Details
Model Provider
BenoitJT-GIRARD
Model Tree
BenoitJT-GIRARD/qwen3-1.7b-chsa-triage-sft-merged
Input Modalities
Output Modalities
Supported Functionality
Entre deux réponses au même cas, préférer celle qui :
Les paires de préférence ont le même format et une longueur comparable : sans cette précaution, l'alignement apprend la longueur plutôt que le fond, et le modèle cesse d'émettre son jeton de fin.
Cet adaptateur s'applique sur le modèle supervisé fusionné, pas sur le modèle de base : il a été entraîné au-dessus, et l'y appliquer directement produirait une composition de poids incohérente. Ce modèle intermédiaire est publié pour cette raison précise, et la configuration de l'adaptateur le désigne : rien n'est donc à reconstruire.
python
from peft import PeftModelfrom transformers import AutoModelForCausalLM, AutoTokenizer base = AutoModelForCausalLM.from_pretrained( "BenoitJT-GIRARD/qwen3-1.7b-chsa-triage-sft-merged", device_map="auto")modele = PeftModel.from_pretrained(base, "BenoitJT-GIRARD/qwen3-1.7b-chsa-triage-dpo")tokenizer = AutoTokenizer.from_pretrained("BenoitJT-GIRARD/qwen3-1.7b-chsa-triage-dpo")Pour servir le modèle, préférez le modèle final fusionné : il ne demande aucune reconstruction, et c'est une seule référence à épingler, là où cet adaptateur demande au serveur d'héberger aussi le modèle supervisé fusionné et de les apparier.
Mesuré sur un jeu de cas écrits à la main, jamais vus à l'entraînement, dont près de la moitié sont des présentations atypiques.
| Mesure | Valeur sur 60 cas |
|---|---|
| Exactitude du niveau de triage | 0,700 [0,57 – 0,80] |
| Sous-triage des cas urgents | 27,5 % |
| Surclassement, tous cas | 11,7 % |
| Réponses exploitables par le système d'information | 100 % |
Comparaison aux références, analyse d'erreurs et détail par langue :
reports/evaluation_results.json dans le dépôt du projet.
Voir la carte du modèle final et le dépôt du projet : https://github.com/BenoitJT-GIRARD/chsa-triage
MIT.