/ Модель

Характеристики

Контекст
8 192 токена
Параметры
212 млн
Лицензия
MIT
Архитектура
eurobert · dense
Базовая модель
EuroBERT-210m
Опубликована
18 мая 2025

lettucedect-210m-eurobert-pl-v1

Заполнение пропусковТекст → текст

Модель KRLabsOrg на базе EuroBERT выявляет неподтверждённые фрагменты в польских ответах, сопоставляя их с контекстом для проверки галлюцинаций в RAG.

111скачиваний за 30 дней0лайковвеса обновлены22 июл 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

LettuceDetect — модель KRLabsOrg для выявления галлюцинаций в ответах на польском языке, сопоставляя их с предоставленным контекстом в сценариях RAG. Она дообучена на EuroBERT/EuroBERT-210m и имеет архитектуру EuroBertForTokenClassification: модель помечает неподтверждённые токены в ответе, чтобы затем объединить их в фрагменты и показать, где именно ответ не опирается на контекст. Модель содержит 211,7 млн параметров, принимает пары «контекст — ответ» и поддерживает контекст до 8192 токенов.

В README приведены результаты на переведённом наборе RagTruth-PL: F1 66,46%; на вручную проверенной выборке из 100 примеров — 68,32%. По данным карточки, версия на 210 млн параметров примерно втрое быстрее варианта на 610 млн. Репозиторий использует формат safetensors и распространяется по лицензии MIT. README предупреждает о несовместимости загружаемого удалённого кода с Transformers 5.x.

Сценарии применения

  • проверка фактической обоснованности ответа RAG по контексту
  • выделение неподтверждённых фрагментов в ответах на вопросы
  • проверка польских ответов, созданных при суммаризации документов
  • анализ польских ответов в сценариях генерации текста из данных

Ограничения

Качество зависит от польского языка и распределения данных RagTruth-PL; приведённые метрики получены на переведённом наборе и небольшой вручную проверенной выборке. Удалённый код модели несовместим с Transformers 5.x.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

LettuceDetect: Polish Hallucination Detection Model

Note: this model loads EuroBERT remote code that is not yet compatible with transformers 5.x. Install pip install "transformers>=4.48.3,<5" to use it (see LettuceDetect#33).

Model Name: lettucedect-210m-eurobert-pl-v1
Organization: KRLabsOrg
Github: https://github.com/KRLabsOrg/LettuceDetect

Overview

LettuceDetect is a transformer-based model for hallucination detection on context and answer pairs, designed for multilingual Retrieval-Augmented Generation (RAG) applications. This model is built on EuroBERT-210M, which has been specifically chosen for its extended context support (up to 8192 tokens) and strong multilingual capabilities. This long-context capability is critical for tasks where detailed and extensive documents need to be processed to accurately determine if an answer is supported by the provided context.

This is our Polish base model utilizing EuroBERT-210M architecture

Model Details

  • Architecture: EuroBERT-210M with extended context support (up to 8192 tokens)
  • Task: Token Classification / Hallucination Detection
  • Training Dataset: RagTruth-PL (translated from the original RAGTruth dataset)
  • Language: Polish

How It Works

The model is trained to identify tokens in the Polish answer text that are not supported by the given context. During inference, the model returns token-level predictions which are then aggregated into spans. This allows users to see exactly which parts of the answer are considered hallucinated.

Usage

Installation

Install the 'lettucedetect' repository

pip install lettucedetect

Using the model

from lettucedetect.models.inference import HallucinationDetector

# For a transformer-based approach:
detector = HallucinationDetector(
    method="transformer", 
    model_path="KRLabsOrg/lettucedect-210m-eurobert-pl-v1",
    lang="pl",
    trust_remote_code=True
)

contexts = ["Kopernikanizm to teoria astronomiczna opracowana przez Mikołaja Kopernika, zgodnie z którą Słońce znajduje się w centrum Układu Słonecznego, a Ziemia i inne planety krążą wokół niego. Teoria ta została opublikowana w dziele 'O obrotach sfer niebieskich' w 1543 roku."]
question = "Na czym polega teoria kopernikańska i kiedy została opublikowana?"
answer = "Teoria kopernikańska zakłada, że Ziemia jest jednym z wielu ciał niebieskich krążących wokół Słońca. Kopernik opracował również zaawansowane równania matematyczne opisujące ruch satelitów, które zostały wykorzystane w XX wieku w programie kosmicznym NASA. Teoria została opublikowana w 1543 roku."

# Get span-level predictions indicating which parts of the answer are considered hallucinated.
predictions = detector.predict(context=contexts, question=question, answer=answer, output_format="spans")
print("Przewidywania:", predictions)

# Przewidywania: [{'start': 9, 'end': 19, 'confidence': 0.93, 'text': ' również zaawansowane równania matematyczne opisujące ruch satelitów, które zostały wykorzystane w XX wieku w programie kosmicznym NASA.'}]

Performance

Results on Translated RAGTruth-PL

We evaluate our Polish models on translated versions of the RAGTruth dataset. The EuroBERT-210M Polish model achieves an F1 score of 66.46%, significantly outperforming prompt-based methods like GPT-4.1-mini (59.27%).

For detailed performance metrics across different languages, see the table below:

LanguageModelPrecision (%)Recall (%)F1 (%)GPT-4.1-mini F1 (%)Δ F1 (%)
PolishEuroBERT-210M63.6269.5766.4659.27+7.19
PolishEuroBERT-610M77.1669.3673.0559.27+13.78

While the 610M variant achieves higher performance, the 210M model offers a good balance between accuracy and computational efficiency, processing examples approximately 3× faster.

Manual Validation

We performed additional validation on a manually reviewed set of 100 examples covering diverse task types (QA, summarization, data-to-text). The EuroBERT-210M Polish model maintained strong performance with an F1 score of 68.32% on this curated dataset.

ModelPrecision (%)Recall (%)F1 (%)
EuroBERT-210M68.3268.3268.32

Citing

If you use the model or the tool, please cite the following paper:

@misc{Kovacs:2025,
      title={LettuceDetect: A Hallucination Detection Framework for RAG Applications}, 
      author={Ádám Kovács and Gábor Recski},
      year={2025},
      eprint={2502.17125},
      archivePrefix={arXiv},
      primaryClass={cs.CL},
      url={https://arxiv.org/abs/2502.17125}, 
}

Как запустить

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

GPU в ailist

Универсальный рантайм · fill-mask

Можно запустить

Подбираем GPU…

Класс архитектуры
EuroBertForTokenClassification
Ревизия весов
68a2e1b

0 моделей