/ Модель

Характеристики

Контекст
512 токенов
Параметры
212 млн
Лицензия
MIT
Архитектура
deberta-v2 · dense
Базовая модель
deberta-v3-base
Опубликована
4 июл 2026

deberta-hallucination-judge

Классификация текстаТекст → label6 профессий

Быстрый классификатор на базе DeBERTa, который оценивает, подтверждается ли ответ заданным контекстом или является галлюцинацией.

20скачиваний за 30 дней0лайковвеса обновлены4 июл 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

DeBERTa Hallucination Judge — дообученный бинарный классификатор на базе microsoft/deberta-v3-base, разработанный в рамках EvalForge. Он принимает вопрос, контекст и ответ и определяет, соответствует ли ответ контексту: метка 0 означает faithful, метка 1 — hallucinated. Модель предназначена для быстрой локальной проверки ответов, например как первый фильтр в системах оценки LLM и RAG.

Модель использует архитектуру DeBERTa V2 для классификации последовательностей, содержит 211,6 млн параметров и рассчитана на контекст до 512 токенов. Обучение проводилось на синтетических примерах HaluEval; лицензия — MIT. На отложенной выборке HaluEval модель показала F1 0,9937, однако на реальных примерах RAGTruth F1 снизился до 0,5067, а калибровка оценок ухудшилась. Поэтому её разумно использовать как недорогой первый фильтр с передачей неуверенных или нетипичных случаев более сильной модели-судье.

Сценарии применения

  • первичная проверка ответов LLM на соответствие контексту
  • фильтрация потенциально галлюцинированных ответов в RAG-системе
  • маршрутизация сомнительных ответов на более сильную модель-судью

Ограничения

Обучение основано на синтетических галлюцинациях HaluEval, поэтому качество заметно падает на реальных внераспределённых ошибках: на RAGTruth F1 составляет 0,5067, а ошибка калибровки — 0,4010. Не рекомендуется использовать модель как единственного судью для произвольного реального контента.

Для каких профессий подходит6

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

DeBERTa Hallucination Judge

Fine-tuned microsoft/deberta-v3-base binary classifier: given a (question, context, answer) triple, predicts whether the answer is faithful (label 0) or hallucinated (label 1) with respect to the context.

Trained as part of EvalForge, an open-source LLM evaluation platform, as a fast/free local alternative to LLM-as-judge for hallucination detection.

Training data

Fine-tuned on HaluEval (QA subset, ~35K examples): synthetically generated faithful/hallucinated answer pairs for the same question and context. Trained via a hand-written PyTorch loop (AdamW, linear warmup+decay, mixed precision, gradient clipping, early stopping on validation F1) — see the training code and full writeup for the complete methodology, including a three-run learning-rate sweep and a documented list of real bugs hit while training this model.

Evaluation — please read before using this model

DistributionF1PrecisionRecallExpected Calibration Error
In-distribution (held-out HaluEval val)0.99370.9990.9890.0044
Out-of-distribution (RAGTruth, real RAG hallucinations, never seen in training)0.5067——0.4010

This is the headline finding, not a footnote. In-distribution performance is excellent, but the model was trained only on HaluEval's synthetically generated hallucinations, which have a detectable stylistic signature (an LLM deliberately prompted to produce a plausible-but-wrong answer). That signature does not transfer to RAGTruth's real-world RAG failures — F1 drops to ~0.51 and calibration collapses (ECE 0.40) on genuinely out-of-distribution hallucinations.

Recommended use: a cheap, fast first-pass filter (route confidently- faithful and confidently-hallucinated cases for free; send uncertain or out-of-domain cases to a stronger judge), not a standalone replacement for LLM-as-judge on arbitrary real-world content. A benchmark comparing this model against Claude/GPT-4o/Gemini-as-judge on cost, latency, and accuracy is in the training README.

Usage

from transformers import AutoModelForSequenceClassification, AutoTokenizer
import torch

tokenizer = AutoTokenizer.from_pretrained("DantheMan124/deberta-hallucination-judge")
model = AutoModelForSequenceClassification.from_pretrained("DantheMan124/deberta-hallucination-judge")

text = "Q: What is the capital of France? C: France is in Europe. A: Paris"
inputs = tokenizer(text, return_tensors="pt", truncation=True, max_length=512)
logits = model(**inputs).logits
pred = logits.argmax(dim=-1).item()  # 0 = faithful, 1 = hallucinated

Labels

  • 0: faithful
  • 1: hallucinated

Как запустить

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

GPU в ailist

Универсальный рантайм · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
DebertaV2ForSequenceClassification
Ревизия весов
738e3a9

0 моделей