/ Модель

Характеристики

Контекст
40 960 токенов
Параметры
3,7 млрд
Архитектура
qwen3 · dense
Базовая модель
Qwen3-4B
Библиотека
transformers
Опубликована
26 авг 2026

Eklav-4B-Reranker

Генерация текстаТекст → текст4 профессии

Дообученная Qwen3-4B оценивает релевантность текстовых фрагментов запросу для точечного переранжирования поисковой выдачи.

105скачиваний за 30 дней0лайковвеса обновлены2 сен 2026

Бенчмарки

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

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

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

Eklav-4B-Reranker — дообученная модель на базе Qwen/Qwen3-4B, разработанная для точечного переранжирования текстовых фрагментов по релевантности запросу. Метод Eklav обучает модель продолжать частичный ход рассуждений учителя и самостоятельно получать ответ; при использовании реранкера учительская подсказка не подаётся. Модель генерирует рассуждение и завершает его меткой true или false, а релевантность оценивается по логитам конечного токена.

Модель предназначена для переранжирования passages в поисковой выдаче. В README сообщается об улучшении nDCG@10 на BRIGHT на 8% относительно стандартного обучения с полной трассой Chain-of-Thought при тех же базовой модели и обучающих данных, а также о снижении вычислений обучения на 31%. Оценивание на BRIGHT выполнено одним запуском для каждого домена; также упоминается задача NevIR. Это языковая модель архитектуры Qwen3 с 3,7 млрд параметров и контекстом 40 960 токенов, работающая с текстом.

Модель распространяется в формате Safetensors под лицензией, сведения о которой в предоставленных данных отсутствуют. README описывает один запуск оценки по домену, поэтому результаты могут зависеть от вариативности эксперимента; модель использует генерацию рассуждений, а её пригодность для других задач отдельно не подтверждена.

Сценарии применения

  • переранжирование результатов поиска по запросу
  • оценка релевантности passages для поисковой выдачи
  • повышение качества ранжирования в поиске по нескольким доменам

Ограничения

Опубликованные результаты основаны на одном запуске оценки для каждого домена BRIGHT. В предоставленных данных не указаны лицензия и поддерживаемые естественные языки.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Eklav-4B-Reranker

Eklav trains a model to pick up a teacher's reasoning mid thought rather than imitate it end to end. The student sees a partial reasoning trace from the teacher, with the answer revealing tail removed, and learns to continue reasoning and produce the answer on its own. The model's own reasoning is conditioned on the teacher's partial trace during training rather than trained to reproduce it word for word. Same base model, same training data as standard full trace CoT distillation, only the training objective changes.

Highlights

  • +8% on BRIGHT (nDCG@10, 12 domain average) vs. standard full trace CoT SFT, same base model and training data
  • -31% training FLOPs vs. standard full trace CoT SFT

Model details

Base modelQwen/Qwen3-4B
TaskPassage reranking (BRIGHT, NevIR)
Training methodEklav (hint conditioned SFT)
FormatMerged bf16 checkpoint
BRIGHT avg (nDCG@10)31.5

Results

BRIGHT domain results

nDCG@10 on BRIGHT, single evaluation run per domain.

Use as a reranker

This is a pointwise reranker, the same style as Rank1 (jhu-clsp/rank1-7b): the model generates its own reasoning trace ending in </think> true or </think> false, and relevance is scored from the logits at that final token rather than by parsing generated text. Unlike training, no hint is available at inference (a real query has no teacher trace to condition on), so the model reasons on its own from a bare prompt, the exact setup used to produce the results on this page.

from vllm import LLM, SamplingParams
import math

model_id = "AdarshSingh7647/Eklav-4B-Reranker"
model = LLM(model=model_id, max_model_len=20000)
tokenizer = model.get_tokenizer()

SYSTEM_PROMPT = "You are a careful retrieval assistant that judges whether a passage is relevant to a user's query."
TASK_INSTRUCTION = "Determine if the following passage is relevant to the query. Answer only with 'true' or 'false'."

def create_prompt(query: str, passage: str) -> str:
    messages = [
        {"role": "system", "content": SYSTEM_PROMPT},
        {"role": "user", "content": f"{TASK_INSTRUCTION}\n\nQuery: {query}\nPassage: {passage}"},
    ]
    return tokenizer.apply_chat_template(
        messages, tokenize=False, add_generation_prompt=True, enable_thinking=True
    )

sampling_params = SamplingParams(
    temperature=0,
    max_tokens=4096,
    logprobs=20,
    stop=["</think> true", "</think> false", "</think>\ntrue", "</think>\nfalse",
          "</think>\n\ntrue", "</think>\n\nfalse"],
)

def score(query: str, passage: str) -> float:
    prompt = create_prompt(query, passage)
    output = model.generate([prompt], sampling_params)[0].outputs[0]
    # the answer token is usually the second to last logprob step (vLLM's stop
    # string match can consume one extra token, e.g. <|im_end|>, after it), but
    # scan from the end so this is robust to that off by one
    for step in reversed(output.logprobs or []):
        true_lp = next((v.logprob for k, v in step.items() if tokenizer.decode([k]).strip().lower() == "true"), None)
        false_lp = next((v.logprob for k, v in step.items() if tokenizer.decode([k]).strip().lower() == "false"), None)
        if true_lp is not None and false_lp is not None:
            true_score, false_score = math.exp(true_lp), math.exp(false_lp)
            return true_score / (true_score + false_score)
    return 0.5

query = "What causes seasons on Earth?"
passages = [
    "Seasons are caused by the tilt of Earth's axis relative to its orbit around the Sun.",
    "The Great Wall of China is visible from space, according to popular belief.",
]
ranked = sorted(passages, key=lambda p: score(query, p), reverse=True)
for p in ranked:
    print(p)

This is the same Rank1StyleReranker generate-then-score recipe used for every number on this page, applied without a teacher hint since none exists at inference time.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3ForCausalLM
Ревизия весов
d0f80e8

0 моделей