/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
ModernBERT-base
Библиотека
transformers
Опубликована
28 сен 2026

ocf-typed-decisions-mbert-base

Классификация текстаТекст → label3 профессии

Экспериментальный классификатор OCF на базе ModernBERT-base выбирает и оценивает вероятности для вариантов решений по текстовому вопросу.

683скачиваний за 30 дней0лайковвеса обновлены29 сен 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

OCF typed-decisions CE smoke — специализированный классификатор решений от Open Classification Foundation на базе answerdotai/ModernBERT-base. Это двунаправленный энкодер ModernBERT с двухслойной Transformer-головой принятия решений и OptionScorer, который оценивает варианты ответа в позициях [MASK] и выдаёт распределение вероятностей через softmax. Модель дообучена с cross-entropy на наборе LocalLLaMA/typed-decisions; параметры обучающей конфигурации включают 4 эпохи, а для калибровки температуры использована отложенная часть обучающей выборки.

Модель предназначена для выбора между заданными вариантами решения по текстовому вопросу. Максимальная длина входа составляет 640 токенов, бюджет текста на вариант — 48 токенов; размер модели около 164 млн параметров. В тесте из 2 000 решений указаны accuracy 0,751 и NLL 0,629; измеренная задержка на RTX 3050 Laptop составила 59,6 мс на вопрос по медиане и 87,8 мс на 95-м перцентиле. Эти результаты относятся к указанному тесту и конфигурации.

Это экспериментальный специализированный чекпойнт, а не фундаментальная или zero-shot модель и не RLCD-модель. В README отмечено, что учительские модели расходятся примерно в 41% тестовых решений, что ограничивает интерпретацию метрик. Лицензия репозитория — Apache-2.0.

Сценарии применения

  • выбор наиболее вероятного решения из заданных вариантов
  • классификация типизированных решений по текстовому вопросу
  • получение оценок уверенности для набора вариантов ответа

Ограничения

Модель специализирована на выборе из заданных вариантов и не предназначена для zero-shot классификации или генерации ответов. В тестовом наборе учительские модели расходились примерно в 41% решений, поэтому метрики зависят от разметки и указанного протокола оценки.

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

OCF typed-decisions CE smoke (ModernBERT-base)

Not a foundation classifier. Not RLCD. No Jev comparison.

Open Classification Foundation (OCF) specialist smoke: non-autoregressive System-1 decision head on answerdotai/ModernBERT-base, fine-tuned with cross-entropy on LocalLLaMA/typed-decisions train, temperature-calibrated on a held-out train slice (cal_frac=0.1).

Architecture

ModernBERT-base (bidirectional)
  + 2-layer decision Transformer head
  + OptionScorer at each option [MASK]
  → softmax(/T) over options
KnobValue
Params~164M
max_len640
Option token budget48 / option
Primitiveschoice / score / noul

Training

FieldValue
ObjectiveCE on teacher-argmax labels (soft teachers in dataset)
Epochs / eff. batch4 / 8
LR encoder / head2.5e-5 / 1e-4
Seed (this upload)1 (best of 0/1/2; mean acc 0.731, SD 0.028)
Temperatures (shipped)choice 1.5 · score 1.25 · noul 1.5

Evaluation (LocalLLaMA/typed-decisions test, 2,000 decisions)

ArmaccNLLECE as-runECE after equal crossfit
Laya typed-decisions (reference)0.7670.7070.2140.021
This checkpoint (s1)0.7510.6290.0440.030
OCF stub (prior, ~8M)≈0.61≈0.90≈0.04—

Latency (warm, RTX 3050 Laptop): p50 59.6 ms / p95 87.8 ms per question (n=200). Not a cross-vendor claim.

Full board: see source-repo snapshot results-snapshot-2026-09-28-ocf-typed-decisions-mbert.md.

Files

  • config.json — ClassifierConfig (includes temperatures)
  • temperatures.json — fitted per-type T
  • model.pt — full ClassifierBundle state_dict
  • recipe.json — train hyperparams + acc

How to run

Requires the OCF stack from the source repository (packages.classify + models_ai.classify):

from classify import load

agent = load("path/to/this/repo")  # config.json + model.pt + temperatures.json
out = agent.predict(
    {"subject": "Refund", "body": "Billed twice"},
    {
        "department": {
            "type": "choice",
            "instructions": "Which department?",
            "criteria": {"billing": "invoices", "tech": "bugs", "other": "else"},
        }
    },
)

Not a drop-in for the external laya package.

Concurrent baseline

Laya — open System-1 concurrent (ModernBERT-large). Matched estimand only; not a dependency.

Non-claims

  • Not a foundation / zero-shot System-1 model
  • Not RLCD-trained
  • Does not claim to beat TypeSafe Jev or Laya
  • Soft teacher labels; teachers disagree on ~41% of test decisions

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · text-classification

Нельзя запустить

Архитектура ? неизвестна transformers в образе рантайма.

Ревизия весов
b97d919

0 моделей