/ Модель

Характеристики

Лицензия
GPL 3.0
Базовая модель
laya
Библиотека
cbjev
Опубликована
24 сен 2026

cbjev

Классификация без дообученияТекст → label

Англоязычная модель на базе ModernBERT-large для типизированной классификации текста и JSON-состояний с оценками уверенности.

0скачиваний за 30 дней4лайкавеса обновлены24 сен 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

cbjev — англоязычная модель типизированной классификации текста, разработанная как дообучение контрольных точек Laya. Она принимает текст или JSON-состояние и за один проход энкодера выдаёт решения типов choice, score и noul; вопросы к одному состоянию используют общее кодирование. Модель основана на ModernBERT-large с 395 млн параметров и дообучена на 35 открытых наборах данных с последующей калибровкой на отложенной выборке. Для запуска требуется среда выполнения cbjev; одной библиотеки Transformers недостаточно.

Модель подходит для классификационных решений по текстам и структурированным состояниям, включая типизированные вопросы и оценивание уверенности. В описанных тестах она показала среднюю точность 0,741 на 15 англоязычных наборах и среднюю ошибку калибровки ECE 0,117; результаты уступают другим моделям на отдельных задачах, включая обнаружение prompt injection и сортировку обращений поддержки. Лицензия — GPL-3.0.

Сценарии применения

  • классификация текста по заданным категориям
  • выбор ответа из вариантов по содержимому текста
  • оценка текста по заданной шкале
  • классификационные решения по JSON-состояниям
  • получение откалиброванных оценок уверенности классификатора

Ограничения

Для запуска требуется runtime cbjev; Transformers отдельно модель не поддерживает. Качество зависит от задачи: в README указано отставание от сравниваемых моделей на ряде наборов, включая prompt injection и сортировку обращений поддержки.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

cbjev

Typed decisions — choice, score, noul — about any text or JSON state, from one encoder pass. Every question of a call shares one encoding of the state. Code, benchmarks and training pipeline: https://github.com/tomek7667/cbjev · project page: https://tomek7667.github.io/cbjev/

checkpointpathencoderuse it for
cbjevrepo rootModernBERT-large (395M)English
cbjev-multilingualmultilingual/mmBERT-base (307M)other languages (the Router picks it for you)

Both are fine-tuned from the Apache-2.0 Laya checkpoints (laya-typed-decisions and laya-multilingual) on 35 public datasets, in cbjev's shared layout, then calibrated on a held-back dev split. They need the cbjev runtime; transformers alone will not run them.

pip install "git+https://github.com/tomek7667/cbjev"
import cbjev
agent = cbjev.load()           # downloads this repo on first use
agent.predict({"body": "Billed twice for March. Refund today or we cancel."}, {
    "team": {"type": "choice", "instructions": "Which team should handle this?",
             "criteria": {"billing": "invoices, refunds", "technical": "bugs", "other": "anything else"}},
    "churn": {"type": "noul", "instructions": "Does the customer threaten to cancel their subscription?"},
})

Results (RTX 4090, same cases for cbjev and Laya; Jev = published third-party numbers)

cbjevLaya (best checkpoint)Jev (published)
mean accuracy, 15 English suites0.7410.710—
typed-decisions, 2,000 decisions0.7830.7680.727
mean ECE (lower is better)0.1170.1250.246
answer flips when options are reordered0.2 %7.8 %13 %
MASSIVE intent, 51 languages0.4360.401—
10 questions, 500-token document11.4 ms75.8 ms—

Not better everywhere: cbjev trails Laya's better checkpoint on AG News (−0.8), DAIR emotion (−2.5), prompt injection (−3.4) and support triage (−4.0), and Jev's published Banking77 (0.870 vs 0.620). Full tables: BENCHMARKS.md.

License

GPL-3.0-or-later. Fine-tuned from Apache-2.0 Laya checkpoints by Convai Innovations — see NOTICE.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · cbjev · zero-shot-classification

Нельзя запустить

В репозитории нет config.json: не понять архитектуру модели.

Ревизия весов
a921c4e

0 моделей