/ Модель

Характеристики

Контекст
512 токенов
Параметры
534 млн
Лицензия
Своя лицензия
Архитектура
deberta-v2 · dense
Базовая модель
deberta-v3-large
Библиотека
transformers
Опубликована
30 июл 2026

crp-prm-deberta-v1

Классификация текстаТекст → label3 профессии

Классификатор DeBERTa-v3-large оценивает, обоснован ли отдельный шаг рассуждения исходной задачей и предыдущим контекстом.

19скачиваний за 30 дней0лайковвеса обновлены8 авг 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

AutoCyberAI разработала CRP Process Reward Model — классификатор на архитектуре DeBERTa-v3-large, дообученной для оценки отдельных шагов рассуждения. Модель получает исходную задачу и предыдущие шаги вместе с проверяемым шагом и присваивает ему метку VALID или INVALID: оценивает, следует ли он из контекста и согласуется ли с ним. Модель содержит 533,8 млн параметров, использует библиотеку Transformers и принимает контекст длиной до 512 токенов.

Модель предназначена для проверки шагов рассуждения в составе CRP Verification Relay и может использоваться как дополнительный оценщик в конвейерах верификации. В README указаны held-out AUC 0,793 на тестовых шагах PRM800K и 8 правильных ответов из 10 на курируемых примерах. Лицензия в метаданных обозначена как other; точные условия следует проверить на странице модели.

Сценарии применения

  • проверка логической обоснованности шага решения
  • поиск несогласованных шагов в цепочке рассуждений
  • оценка промежуточных шагов математического решения
  • дополнительная проверка ответов ИИ-агента

Ограничения

Обучение преимущественно опиралось на математические и тестовые рассуждения, поэтому перенос на произвольные шаги агентных сценариев ограничен. Модель задумана как рекомендательный оценщик; порог 0,675 настроен на близкой к обучающей смеси данных и может требовать калибровки для новых распределений.

Для каких профессий подходит3

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

CRP Process Reward Model (PRM) — DeBERTa-v3-large

A sequence-pair classifier that scores whether a reasoning step is entailed by / consistent with its prior steps and the original problem. Returns VALID or INVALID. Used by crp.vr.prm.ProcessRewardVerifier as an advisory step-level judge inside the CRP Verification Relay.

Model description

  • Architecture: microsoft/deberta-v3-large sequence classification.
  • Labels: VALID, INVALID.
  • Held-out AUC: 0.793 (independent step-level harness on prm800k test steps).
  • Curated reasoning cases: 8/10 correct.
  • Training data: PRM800K, Math-Shepherd, MMLU-Pro-CoT, RLHFlow/Mistral-PRM-Data, and agentic synthetic examples.
  • Inference budget: 400 ms on CPU; degrades to UNKNOWN if exceeded.

Intended use

from transformers import pipeline
pm = pipeline('text-classification', model='AutoCyberAI/crp-prm-deberta-v1', top_k=None)
text = 'premises: Server returned 502. The load balancer health check is failing. [SEP] step: The database is the root cause.'
print(pm(text))  # [{'label': 'VALID', 'score': ...}]

Limitations

  • Trained primarily on math and multiple-choice reasoning data; transfer to arbitrary agentic steps is a work in progress.
  • Wired as an advisory scorer in CRP — hard INVALID gating remains with symbolic verifiers and checkpoints.
  • The exported prm_threshold (0.675) was calibrated on a training-matched mix and does not necessarily transfer to real-world distributions; tune via CRP_PRM_THRESHOLD.

Citation

@misc{crp-prm-deberta-v1,
  title={{CRP Process Reward Model}},
  author={{AutoCyber AI}},
  year={2026},
  howpublished={\url{https://huggingface.co/AutoCyberAI/crp-prm-deberta-v1}}
}

This model is part of the Context Relay Protocol (CRP) v6 Phase A managed-model suite. Learn more at https://crprotocol.io.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
DebertaV2ForSequenceClassification
Ревизия весов
836af18

0 моделей