/ Модель

Характеристики

Контекст
131 072 токена
Параметры
11,4 млрд
Размер весов
18,8 ГБ
Лицензия
CC BY-NC-ND 4.0
Архитектура
chatglm · dense
Базовая модель
glm-4-9b-chat
Библиотека
transformers
Опубликована
24 мар 2025

xVerify-9B-C

Генерация текстаТекст → текст3 профессии

Дообученная ChatGLM-модель для извлечения итоговых ответов и проверки их эквивалентности в задачах оценки рассуждающих моделей.

82скачиваний за 30 дней5лайковвеса обновлены1 янв 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

xVerify-9B-C — модель IAAR-Shanghai для проверки ответов в системах оценки рассуждающих моделей. Она дообучена на базе THUDM/glm-4-9b-chat и предназначена для задач с одним объективно правильным ответом: модель извлекает итоговый ответ из длинного объяснения и определяет, эквивалентен ли он эталону.

Модель подходит для проверки математических решений, ответов на вопросы с выбором варианта, классификационных результатов и кратких ответов. Она сопоставляет варианты по смыслу, а не только по метке, распознаёт эквивалентные математические записи и учитывает смысловую эквивалентность ответов на естественном языке. Архитектура — плотная ChatGLM; размер по метаданным — 11,4 млрд параметров, контекст — до 131 072 токенов. Основные языки — китайский и английский; README также заявляет совместимость с другими языками.

В Hugging Face модель помечена как text-generation, хотя её основное назначение — проверка и классификация ответов. Для использования требуются Transformers и формат весов safetensors. Лицензия CC BY-NC-ND 4.0 ограничивает распространение производных версий и коммерческое использование.

Сценарии применения

  • извлечение окончательного ответа из длинного математического решения
  • проверка правильности ответа на задачу с единственным решением
  • сопоставление математических выражений в разных форматах
  • проверка ответа на тест с выбором варианта по содержанию
  • оценка эквивалентности кратких ответов на естественном языке

Ограничения

Предназначена для объективных вопросов с одним правильным ответом; для открытых задач без однозначного эталона её проверка может быть неприменима. README не приводит количественных результатов оценки качества.

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 was introduced in the paper xVerify: Efficient Answer Verifier for Reasoning Model Evaluations.

It accurately extracts the final answer from lengthy reasoning processes and efficiently identifies equivalence across different forms of expressions.


✨ 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

📚 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

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
ChatGLMForConditionalGeneration
Ревизия весов
686c50c

0 моделей