/ Модель

Характеристики

Лицензия
Своя лицензия
Архитектура
lfm2_span_tagger · dense
Базовая модель
LFM2.5-Encoder-350M
Опубликована
16 авг 2026

LFM2.5-Encoder-350M-hallucination-detector

Разметка токеновТекст → label8 профессий

Дообученный энкодер LiquidAI для разметки фрагментов ответа, которые не подтверждаются заданным контекстом.

43скачиваний за 30 дней1лайквеса обновлены16 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

LFM2.5-Encoder-350M-hallucination-detector — модель KRLabsOrg из проекта LettuceDetect для выявления неподтверждённых фрагментов в ответах по заданному контексту. Это двунаправленный энкодер LiquidAI/LFM2.5-Encoder-350M с линейной головой классификации токенов, дообученный отмечать участки ответа, которые не подтверждаются контекстом.

Модель принимает вопрос, контекст и ответ, а затем выполняет разметку токенов; результаты можно использовать для определения галлюцинаций в RAG-ответах, выводах инструментов и ответах кодовых агентов. В README указаны обучение на 66 368 примерах в течение трёх эпох, максимальная длина входа 8 192 токена и тестовая span-F1 0,603 на объединённом наборе из 10 698 примеров. В мультиязычном выявлении на уровне примеров результаты сопоставимы с энкодером mmBERT.

Модель обучалась на данных о галлюцинациях в коде и прозе, включая RAGTruth, структурированные документы и 14-язычный набор PsiloQA; в метаданных карточки перечислены английский, немецкий, испанский, французский, итальянский и нидерландский. Лицензия указана как other, поэтому условия использования следует сверить с карточкой модели. В приведённых результатах span-F1 ниже, чем у сравниваемых mmBERT-base и Qwen-2B; качество зависит от источника данных и формата ответа.

Сценарии применения

  • поиск неподтверждённых утверждений в ответах RAG-систем
  • проверка ответов кодовых агентов по результатам инструментов
  • выявление галлюцинаций в ответах по документам
  • оценка соответствия ответа контексту с разметкой проблемных фрагментов

Ограничения

На объединённом тестовом наборе span-F1 составляет 0,603 и уступает указанным в README mmBERT-base и Qwen-2B; качество заметно различается между источниками данных. Метаданные указывают лицензию «other», поэтому перед использованием нужно проверить её условия на карточке модели.

Для каких профессий подходит8

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

LFM2.5-Encoder-350M hallucination detector

A span-level hallucination detector built on LiquidAI/LFM2.5-Encoder-350M: the bidirectional LFM2.5 backbone with a linear token-classification head, fine-tuned to mark the character spans of an answer that are not supported by the given context. Part of the LettuceDetect project.

Trained on the LettuceDetect unified benchmark: coding-agent answers (SWE-bench-derived), developer tool output, structured documents (ACL papers, READMEs, Wikipedia markdown), RAGTruth, and 14-language PsiloQA.

Results

Character-level span metrics on the LettuceDetect unified test split (n=10,698):

groupnspan-F1span-Pspan-Rexample-F1IoU
ALL106980.6030.6690.5490.8540.620
lettucedetect-acl4400.4880.6710.3830.7980.529
lettucedetect-code-agent20150.4430.5820.3570.7440.496
lettucedetect-readme6410.7110.7630.6650.8790.727
lettucedetect-tool-output6170.5250.6880.4240.7190.576
lettucedetect-wikipedia13880.6680.7290.6170.8750.704
psiloqa (14 languages)28970.6900.6840.6960.9450.588
ragtruth27000.4630.6960.3470.7440.702

Comparison

Span-F1 by source against the other LettuceDetect detectors on the same test split:

sourcethis (350M)mmbert-base (307M)qwen-2b (2B)
ALL0.6030.6420.689
acl0.4880.5790.749
code-agent0.4430.5080.602
readme0.7110.7510.866
tool-output0.5250.5880.719
wikipedia0.6680.7080.817
psiloqa (14 languages)0.6900.7140.732
ragtruth0.4630.5280.574

On multilingual example-level detection it matches the mmBERT encoder (PsiloQA example-F1 0.945 vs 0.943). On code-agent answers it remains far above general-purpose LLM judges at a fraction of their size (Nemotron-3-Ultra-550B 0.216, gpt-oss-120b 0.212 span-F1; HHEM-2.1 / Lynx-8B / Granite-Guardian / MiniCheck ≈ chance).

Usage

# pip install lettucedetect
from lettucedetect.models.inference import HallucinationDetector

detector = HallucinationDetector(
    method="transformer",
    model_path="KRLabsOrg/LFM2.5-Encoder-350M-hallucination-detector",
    trust_remote_code=True,
)

predictions = detector.predict(
    context=["The Eiffel Tower is 330 metres tall and stands in Paris, France."],
    question="How tall is the Eiffel Tower and where is it?",
    answer="The Eiffel Tower is 330 metres tall and stands in Berlin.",
    output_format="spans",
)
print(predictions)
# [{'start': 49, 'end': 56, 'confidence': 0.92, 'text': ' Berlin'}]

Token-level classification without the LettuceDetect wrapper:

import torch
from transformers import AutoTokenizer, AutoModelForTokenClassification

repo = "KRLabsOrg/LFM2.5-Encoder-350M-hallucination-detector"
tokenizer = AutoTokenizer.from_pretrained(repo)
model = AutoModelForTokenClassification.from_pretrained(repo, trust_remote_code=True).eval()

enc = tokenizer("context text ... answer text", return_tensors="pt")
with torch.no_grad():
    labels = model(**enc).logits.argmax(-1)[0]   # 0 = supported, 1 = hallucinated

Training

  • Backbone: LiquidAI/LFM2.5-Encoder-350M (bidirectional), linear head, dropout 0.1
  • 3 epochs on the unified train split (66,368 samples), input [question, context, answer], answer tokens labeled supported/hallucinated, max length 8,192
  • Token-level validation F1 0.635, test F1 0.609

Citation

@misc{kovács2026documentgroundingspanlevelhallucination,
      title={Beyond Document Grounding: Span-Level Hallucination Detection over Code, Tool Output, and Documents},
      author={Ádám Kovács and Bowei He and Xue Liu and István Boros and Szilveszter Tóth and Gábor Recski},
      year={2026},
      eprint={2607.00895},
      archivePrefix={arXiv},
      primaryClass={cs.CL},
      url={https://arxiv.org/abs/2607.00895},
}

Как запустить

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

GPU в ailist

Универсальный рантайм · token-classification

Нельзя запустить

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

Класс архитектуры
Lfm2SpanTagger
Ревизия весов
7d5a967

0 моделей