/ Модель

Характеристики

Контекст
262 144 токена
Параметры
3,7 млрд
Размер весов
8 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
Qwen3-4B-Instruct-2507
Библиотека
transformers
Опубликована
4 фев 2026

Eva-4B-V2

Генерация текстаТекст → текст3 профессии

Дообученная языковая модель для классификации ответов на звонках о финансовых результатах по степени уклончивости.

313скачиваний за 30 дней96лайковвеса обновлены10 фев 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 оценки1

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

  • FutureMa/EvasionBench

    score

    Результат

    84,9

    Hugging Face Eval Results

    Отчёт автораревизия не подтверждена

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Eva-4B-V2 — языковая модель FutureMa, дообученная на базе Qwen/Qwen3-4B-Instruct-2507 для выявления уклончивых ответов в сессиях вопросов и ответов на звонках о финансовых результатах компаний. Модель анализирует текст вопроса и ответа и относит ответ к одному из трёх классов: прямой, частично уклончивый или полностью уклончивый. Она также поддерживает генерацию текста как производная от Qwen3ForCausalLM.

Модель содержит 3,7 млрд параметров, использует плотную архитектуру Qwen3 и рассчитана на английский язык. Контекстное окно составляет до 262 144 токенов. В оценке на EvasionBench для Eva-4B-V2 указана Macro-F1 84,9%; результат относится к этому набору и сам по себе не гарантирует аналогичного качества на других типах диалогов. Модель распространяется по лицензии Apache 2.0.

Сценарии применения

  • Выявление уклончивых ответов руководителей на звонках о финансовых результатах
  • Классификация ответов как прямых, частично уклончивых или полностью уклончивых
  • Анализ сессий вопросов и ответов для финансовой аналитики

Ограничения

Оценка Macro-F1 84,9% приведена для набора EvasionBench и не подтверждает такое же качество на других данных. Модель предназначена для английского языка.

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

Eva-4B-V2

Model Description

Performance

Eva-4B-V2 achieves 84.9% Macro-F1 on the EvasionBench evaluation set, outperforming frontier LLMs:

RankModelMacro-F1
1Eva-4B-V284.9%
2Gemini 3 Flash84.6%
3Claude Opus 4.584.4%
4GLM-4.782.9%
5GPT-5.280.9%

Per-Class Performance

ClassPrecisionRecallF1
Direct90.6%75.1%82.1%
Intermediate73.7%87.7%80.1%
Fully Evasive93.3%91.6%92.4%

Label Definitions

LabelDefinition
directThe core question is directly and explicitly answered
intermediateThe response provides related context but sidesteps the specific core
fully_evasiveThe question is ignored, explicitly refused, or entirely off-topic

Training

Two-Stage Training Pipeline

Qwen3-4B-Instruct-2507
        │
        ▼ Stage 1: 60K consensus data
        │
Eva-4B-Consensus
        │
        ▼ Stage 2: 24K three-judge data
        │
Eva-4B-V2

Training Configuration

ParameterStage 1Stage 2
Dataset60K consensus24K three-judge
Epochs22
Learning Rate2e-52e-5
Batch Size3232
Max Length25002048
Precisionbfloat16bfloat16

Hardware

  • Stage 1: 2x NVIDIA B200 (180GB SXM6)
  • Stage 2: 4x NVIDIA H100 (80GB SXM5)

Usage

With Transformers

from transformers import AutoModelForCausalLM, AutoTokenizer
import torch

model_name = "FutureMa/Eva-4B-V2"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForCausalLM.from_pretrained(model_name, torch_dtype=torch.bfloat16, device_map="auto")

# Prompt template
prompt = """You are a financial analyst. Your task is to Detect Evasive Answers in Financial Q&A

Question: What is the expected margin for Q4?
Answer: We expect it to be 32%.

Response format:
```json
{"label": "direct|intermediate|fully_evasive"}
```

Answer in ```json content, no other text"""

messages = [{"role": "user", "content": prompt}]
text = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True, enable_thinking=False)
inputs = tokenizer(text, return_tensors="pt").to(model.device)

with torch.no_grad():
    outputs = model.generate(**inputs, max_new_tokens=64, temperature=0.1, do_sample=False)

generated = outputs[0][inputs["input_ids"].shape[1]:]
print(tokenizer.decode(generated, skip_special_tokens=True))
# Output: ```json
# {"label": "direct"}
# ```

With vLLM

from vllm import LLM, SamplingParams

llm = LLM(model="FutureMa/Eva-4B-V2")
sampling_params = SamplingParams(temperature=0, max_tokens=64)

outputs = llm.generate([prompt], sampling_params)
print(outputs[0].outputs[0].text)

Links

ResourceURL
DatasetFutureMa/EvasionBench
GitHubIIIIQIIII/EvasionBench
Project Pagehttps://iiiiqiiii.github.io/EvasionBench
PaperarXiv:2601.09142
ColabQuick Start Notebook

Citation

@misc{ma2026evasionbenchlargescalebenchmarkdetecting,
  title={EvasionBench: A Large-Scale Benchmark for Detecting Managerial Evasion in Earnings Call Q&A},
  author={Shijian Ma and Yan Lin and Yi Yang},
  year={2026},
  eprint={2601.09142},
  archivePrefix={arXiv},
  primaryClass={cs.LG},
  url={https://arxiv.org/abs/2601.09142}
}

License

Apache 2.0

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
00eebd1

0 моделей