/ 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-CotGen

Генерация текстаТекст → текст7 профессий

Дообученная на Qwen3-4B текстовая модель для оценки релевантности passage запросу с помощью рассуждений и метки true/false.

101скачиваний 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-CotGen — дообученная модель Eklav на базе Qwen/Qwen3-4B, предназначенная для попарного ранжирования passage по релевантности запросу. Это baseline для оценки метода CotGen: при обучении модель продолжает частичный след рассуждений учителя и самостоятельно формирует ответ; в данном варианте использован стандартный SFT на полных следах рассуждений. Модель содержит 3,7 млрд параметров, построена на плотной архитектуре Qwen3 и принимает текст; заявленная длина контекста — 40 960 токенов.

Для оценки релевантности модель генерирует рассуждение, завершающееся меткой true или false; релевантность извлекается по логитам финального токена. В README упомянуты наборы BRIGHT и NevIR и приведены результаты nDCG@10 на BRIGHT. При генерации длинное рассуждение может зациклиться и не завершить ответ в фиксированном лимите токенов; авторы рекомендуют запуск через vLLM с ограничением по стоп-строке. Модель распространяется в формате Safetensors; лицензия в предоставленных данных не описана.

Сценарии применения

  • переранжирование результатов поиска по запросу
  • оценка релевантности фрагментов текста
  • переранжирование документов в RAG-конвейере

Ограничения

При генерации рассуждение может продолжаться сотни токенов, зацикливаться и не завершаться в фиксированном бюджете; авторы рекомендуют использовать vLLM со стоп-строкой. Лицензия не указана в предоставленных данных.

Для каких профессий подходит7

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Eklav-4B-Reranker-CotGen (CotGen baseline)

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

  • Standard full trace CoT SFT baseline used to measure Eklav's improvement at this scale

Model details

Base modelQwen/Qwen3-4B
TaskPassage reranking (BRIGHT, NevIR)
Training methodCotGen (standard full trace CoT SFT, baseline)
FormatMerged bf16 checkpoint
BRIGHT avg (nDCG@10)29.3

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, which this checkpoint's training recipe reproduces): the model generates a 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, which avoids depending on the model reliably stopping on its own. This checkpoint can generate a long reasoning trace before reaching </think>, so use vLLM with a stop string rather than a fixed transformers.generate token budget, the same setup Rank1's own card recommends and the one used to produce the results on this page.

from vllm import LLM, SamplingParams
import math

model_id = "AdarshSingh7647/Eklav-4B-Reranker-CotGen"
model = LLM(model=model_id, max_model_len=16000)
tokenizer = model.get_tokenizer()

def create_prompt(query: str, passage: str) -> str:
    return (
        "Determine if the following passage is relevant to the query. "
        "Answer only with 'true' or 'false'.\n"
        f"Query: {query}\n"
        f"Passage: {passage}\n<think>"
    )

sampling_params = SamplingParams(
    temperature=0,
    max_tokens=8192,
    logprobs=20,
    stop=["</think> true", "</think> false"],
)

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)

We tested a plain transformers.generate loop with a fixed token budget on this checkpoint and saw it occasionally run past a few hundred tokens without closing </think>, degenerating into repetition instead of answering, so we recommend the stop-string based vLLM setup above rather than a fixed max_new_tokens cutoff.

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
99ca93a

0 моделей