/ Модель

Характеристики

Контекст
512 токенов
Параметры
190 млн
Лицензия
Apache 2.0
Архитектура
bert · dense
Базовая модель
ARBERT
Библиотека
transformers
Опубликована
15 июн 2026

halluscoring-arbert-nli

Классификация текстаТекст → label5 профессий

Дообученная на арабском наборе HalluScoring модель ARBERT для классификации галлюцинаций путём сравнения ответа модели с эталонным ответом.

11скачиваний за 30 дней0лайковвеса обновлены12 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

halluscoring-arbert-nli — модель классификации текста на базе ARBERT, разработанная авторами проекта HalluScoring. Она дообучена на наборе HalluScoring 2026 Task 1.1 для выявления галлюцинаций: модель сопоставляет эталонный ответ и ответ модели в формате NLI, подавая их как пару последовательностей.

Модель использует архитектуру BERT с примерно 190 млн параметров и принимает до 512 токенов. Она предназначена для проверки ответов на арабском языке; README приводит результаты на dev-выборке, включая AUC-ROC 0,9663, но сообщает, что эту версию не оценивали независимо на скрытом тесте. Для вывода необходим эталонный ответ (gold_answer). Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • выявление галлюцинаций в ответах арабоязычной модели
  • проверка соответствия ответа модели эталонному ответу
  • оценка достоверности ответов в системах вопросов и ответов

Ограничения

Для работы требуется эталонный ответ gold_answer; модель не оценивалась независимо на скрытом тестовом наборе. В официальном шаблоне соревнования для передачи gold_answer требуется изменить ячейку подготовки данных.

Для каких профессий подходит5

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

halluscoring-arbert-nli

ARBERT (UBC-NLP/ARBERT) fine-tuned on HalluScoring 2026 Task 1.1 using the NLI framing ([CLS] gold_answer [SEP] model_answer [SEP]). Internally this is run S04 — our best single model of the whole project (clean-dev AUC-ROC 0.9408) and the anchor model for later ensembles, including our best-ever result, S25v2.

Submitted to the competition as SUBMISSION_TEMPLATE_ARBERT_NLI_EDITED.ipynb, alongside the fully-compliant S01 (QA-framed) notebook, with a disclosed edit to the nominally [DO NOT MODIFY] InferenceDataset cell (needed to pass gold_answer through, since the official template's fixed cell only tokenizes question + model_answer). Our submission's own README explicitly deferred to organizer judgment: "if modifying the protected cell is not acceptable, please evaluate the fully compliant notebook." Cross-referencing the official CodaBench leaderboard's NAMAA row against our internal logs indicates the compliant S01 notebook was the one actually scored, not this one — see SYSTEM_WRITEUP.md for the full reasoning.

How to Use

import torch
from transformers import AutoTokenizer, AutoModelForSequenceClassification

model_id = "HassanB4/halluscoring-arbert-nli"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForSequenceClassification.from_pretrained(model_id)
model.eval()

gold_answer = "..."
model_answer = "..."

inputs = tokenizer(gold_answer, model_answer, truncation=True, max_length=512, return_tensors="pt")
with torch.no_grad():
    logits = model(**inputs).logits
    prob_hallucinated = torch.softmax(logits, dim=-1)[0, 1].item()

print(f"hallucinated={int(prob_hallucinated > 0.5)}, score={prob_hallucinated:.4f}")

Training

ParameterValue
Base modelUBC-NLP/ARBERT
Input formatnli (gold_answer + model_answer)
Max sequence length512
Batch size16
Epochs5
Learning rate2e-5
Warmup ratio0.1
Weight decay0.01
Losscross-entropy
Seed42

Evaluation

SplitAUC-ROCF1-MacroAUC-PR
Dev (official, n=1300)0.96630.89920.9790
Dev (clean, unseen-question subset, n=800)0.9408——

Not independently scored on the hidden test set — the leaderboard-number match described above indicates halluscoring-camelbert-qa (S01) was the notebook actually evaluated, not this one.

Limitations

Requires gold_answer at inference time, which the official submission template's fixed evaluation cell doesn't pass through by default — using this model against that template requires the same disclosed cell edit documented in our submission package.

Citation

@inproceedings{namaa2026halluscoring,
    title={{NAMAA at HalluScoring 2026: NLI-Framed BERT Classifiers and Ensembling for Model-Agnostic Arabic Hallucination Detection}},
    author={[AUTHOR NAMES TBD]},
    year={2026},
    booktitle={Proceedings of ArabicNLP 2026},
    note={HalluScoring 2026 Shared Task, Track 1}
}

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
BertForSequenceClassification
Ревизия весов
b53bb6c

0 моделей