/ Модель

Характеристики

Контекст
512 токенов
Параметры
136 млн
Лицензия
Apache 2.0
Архитектура
bert · dense
Базовая модель
bert-base-arabic-camelbert-mix
Библиотека
transformers
Опубликована
15 июн 2026

halluscoring-camelbert-qa

Классификация текстаТекст → label

Дообученный арабский CAMeLBERT-классификатор оценивает ответы на вопросы на признаки галлюцинаций.

10скачиваний 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

HassanB4/halluscoring-camelbert-qa — арабоязычный классификатор для оценки галлюцинаций в ответах на вопросы. Модель разработана HassanB4 на основе CAMeL-Lab/bert-base-arabic-camelbert-mix и дообучена на HalluScoring-2026-Task1.1. Она принимает вопрос вместе с ответом модели в формате [CLS] question [SEP] model_answer [SEP] и выдаёт оценку классификации. Размер модели — 136,3 млн параметров, максимальная длина входа — 512 токенов; используется Transformers и формат safetensors.

Модель была официально оценена в HalluScoring 2026 Task 1.1 и заняла третье место среди семи команд с AUC-ROC 0,7596 на тестовой выборке. Она подходит для выявления потенциально галлюцинаторных ответов в арабских системах вопросно-ответного типа. Лицензия — Apache-2.0.

Ограничение: модель не использует эталонный ответ, поэтому не может напрямую сравнить ответ системы с правильным ответом. На тесте её результат ниже, чем на dev-выборке; автор также сообщает, что другие модели с NLI-форматированием показали лучшие внутренние результаты.

Сценарии применения

  • выявление галлюцинаций в ответах арабской QA-системы
  • оценка надёжности сгенерированного ответа на арабском языке
  • фильтрация потенциально недостоверных ответов перед выдачей пользователю

Ограничения

Модель использует только вопрос и ответ системы, без эталонного ответа; на официальном тесте AUC-ROC составил 0,7596, ниже результата на dev-выборке. По данным автора, её внутренние результаты уступают моделям с NLI-форматированием.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

halluscoring-camelbert-qa

CAMeLBERT (CAMeL-Lab/bert-base-arabic-camelbert-mix) fine-tuned on HalluScoring 2026 Task 1.1 using the starter kit's default QA framing ([CLS] question [SEP] model_answer [SEP] — gold_answer is not used). Internally this is run S01, our baseline reproduction.

This is the model that was officially scored on the hidden test set. It was submitted as the fully-compliant notebook (SUBMISSION_TEMPLATE.ipynb, unmodified [DO NOT MODIFY] cells) specifically because the official evaluation template's fixed InferenceDataset cell only tokenizes question + model_answer, which rules out the NLI framing our stronger models use. Its dev scores (AUC-ROC 0.9263, F1-Macro 0.8595) match the official CodaBench leaderboard's NAMAA row exactly. Official result: 3rd of 7 teams, Test AUC-ROC 0.7596.

It scores noticeably below our NLI-framed models on internal dev metrics (see halluscoring-arbert-nli and SYSTEM_WRITEUP.md for the full comparison) — it is kept as the officially-evaluated reference point, not as our best system.

How to Use

import torch
from transformers import AutoTokenizer, AutoModelForSequenceClassification

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

question = "..."
model_answer = "..."

inputs = tokenizer(question, 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 modelCAMeL-Lab/bert-base-arabic-camelbert-mix
Input formatqa (question + 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)0.92630.85950.9442
Dev (clean, unseen-question subset, n=800)0.8713——
Test (official leaderboard)0.75960.64440.9199

Published baseline (CAMeLBERT, organizer-trained): 0.7093 Dev AUC-ROC / 0.6743 Test AUC-ROC.

Limitations

Uses the QA framing, which discards gold_answer — our own experiments show this costs ~5.6pp clean-dev AUC-ROC versus the NLI framing used by our other models (see halluscoring-camelbert-nli). Kept and submitted only because it is the framing the official submission template supports without modification.

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
bfd1a97

0 моделей