/ Модель

Характеристики

Контекст
131 072 токена
Параметры
7,5 млрд
Размер весов
16,1 ГБ
Лицензия
CC BY-NC-ND 4.0
Архитектура
llama · dense
Базовая модель
Llama-3.1-8B-Instruct
Библиотека
transformers
Опубликована
24 мар 2025

xVerify-8B-I

Генерация текстаТекст → текст3 профессии

Модель на базе Llama 3.1 8B, которая извлекает и проверяет итоговые ответы на объективные вопросы, в том числе после длинных рассуждений.

45скачиваний за 30 дней5лайковвеса обновлены1 янв 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 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

xVerify-8B-I — языковая модель для автоматической проверки ответов на объективные вопросы с единственным правильным ответом. Она дообучена на базе Meta Llama 3.1 8B Instruct и представлена в работе «xVerify: Efficient Answer Verifier for Reasoning Model Evaluations». Модель извлекает итоговый ответ из длинного рассуждения и оценивает, эквивалентен ли он эталонному ответу.

Модель предназначена для оценки решений математических задач, ответов на вопросы с выбором варианта, классификаций и коротких ответов. Она сопоставляет варианты ответа по смыслу, распознаёт эквивалентные математические записи, включая LaTeX, дроби и научную нотацию, а также учитывает семантическую эквивалентность формулировок. Поддерживает китайский и английский языки; README также отмечает совместимость с другими языками. Использует архитектуру Llama с 7,5 млрд параметров, принимает до 131 072 токенов контекста и работает через Transformers.

Лицензия CC BY-NC-ND 4.0 запрещает коммерческое использование и распространение производных версий без соблюдения её условий. Модель ориентирована на вопросы с одним объективно проверяемым ответом; её пригодность для открытых вопросов и иных задач оценки в карточке не заявлена.

Сценарии применения

  • проверка ответов на математические задачи
  • извлечение итогового ответа из длинного рассуждения
  • сравнение ответа с эталоном с учётом эквивалентных математических записей
  • оценка ответов на вопросы с выбором варианта
  • проверка коротких ответов и классификаций на смысловое соответствие

Ограничения

Предназначена прежде всего для объективных вопросов с одним правильным ответом; карточка не заявляет пригодность для открытых вопросов. Лицензия CC BY-NC-ND 4.0 ограничивает коммерческое использование и распространение производных версий.

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

xVerify is an evaluation tool fine-tuned from a pre-trained large language model, designed specifically for objective questions with a single correct answer. It accurately extracts the final answer from lengthy reasoning processes and efficiently identifies equivalence across different forms of expressions.

This model was presented in the paper xVerify: Efficient Answer Verifier for Reasoning Model Evaluations.


✨ Key Features

📊 Broad Applicability

Suitable for various objective question evaluation scenarios including math problems, multiple-choice questions, classification tasks, and short-answer questions.

⛓️ Handles Long Reasoning Chains

Effectively processes answers with extensive reasoning steps to extract the final answer, regardless of complexity.

🌐 Multilingual Support

Primarily handles Chinese and English responses while remaining compatible with other languages.

🔄 Powerful Equivalence Judgment

  • ✓ Recognizes basic transformations like letter case changes and Greek letter conversions
  • ✓ Identifies equivalent mathematical expressions across formats (LaTeX, fractions, scientific notation)
  • ✓ Determines semantic equivalence in natural language answers
  • ✓ Matches multiple-choice responses by content rather than just option identifiers

🚀 Usage

For detailed instructions on environment setup, model deployment (via vLLM), and evaluation using the VAR dataset, please refer to the official GitHub repository.


📚 Citation

@article{xVerify,
      title={xVerify: Efficient Answer Verifier for Reasoning Model Evaluations}, 
      author={Ding Chen and Qingchen Yu and Pengyuan Wang and Wentao Zhang and Bo Tang and Feiyu Xiong and Xinchi Li and Minchuan Yang and Zhiyu Li},
      journal={arXiv preprint arXiv:2504.10481},
      year={2025},
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
bb008c9

0 моделей