/ Модель

Характеристики

Контекст
8 192 токена
Параметры
149 млн
Лицензия
Apache 2.0
Архитектура
modernbert · dense
Базовая модель
ModernBERT-base
Опубликована
17 мая 2026

llm-query-complexity-classifier

Классификация текстаТекст → label4 профессии

Англоязычный классификатор ModernBERT оценивает глубину рассуждений, необходимую для ответа на запрос, чтобы маршрутизировать его на подходящий вычислительный уровень.

269скачиваний за 30 дней3лайкавеса обновлены20 мая 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

LLM Query Complexity Classifier — англоязычный классификатор запросов, разработанный для проекта STREAM. Он дообучен на ModernBERT-base и относит текстовый запрос к одному из трёх классов по требуемой глубине рассуждений: LOW, MEDIUM или HIGH. Модель предназначена для автоматической маршрутизации запросов между локальным CPU, HPC GPU и облачным API с учётом сложности и стоимости обработки.

Модель содержит 149 млн параметров, использует архитектуру ModernBERT для классификации последовательностей и принимает до 8192 токенов контекста. По README, задержка на CPU составляет около 32 мс на запрос. Для обучения использовалась дистилляция разметки Claude Sonnet 4.6 на 6000 запросах из десяти областей, включая математику, естественные науки, программирование, медицину и гуманитарные дисциплины. Указанная лицензия — Apache 2.0.

На фиксированном тестовом наборе README сообщает точность 64,2% и Macro-F1 0,640; полнота для класса MEDIUM ниже, чем для LOW и HIGH, поэтому оценки сложности могут ошибаться, особенно на промежуточных запросах. Метрики относятся к описанной в карточке выборке и не гарантируют аналогичного качества на других темах и распределениях запросов.

Сценарии применения

  • оценка сложности пользовательского запроса перед отправкой в LLM
  • маршрутизация простых запросов на локальную модель
  • направление сложных запросов на облачный API
  • распределение запросов между CPU и HPC GPU
  • настройка маршрутизации LLM с учётом бюджета

Ограничения

На указанном тестовом наборе точность составляет 64,2%, а полнота класса MEDIUM — 49,3%, поэтому классификация может ошибаться, особенно для запросов средней сложности. Результаты измерены на описанном в README наборе и могут отличаться на других данных.

Для каких профессий подходит4

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

LLM Query Complexity Classifier

Fine-tuned ModernBERT-base (149M parameters) for three-class query complexity classification: LOW, MEDIUM, or HIGH.

Built for the STREAM project (Smart Tiered Routing Engine for AI Models) to route queries automatically to the most cost-effective inference tier — local CPU, HPC GPU, or cloud API — at ~32 ms per query (CPU p50) with no API dependency.

Covers 10 domains representing the full breadth of a research university population: hpc, mathematics, statistics_ml, physics_chemistry, engineering, life_sciences, cs_software, philosophy_ethics, social_sciences, and history_culture.

What It Does

Given a user query, the model predicts how much reasoning depth is required to answer it:

LabelDefinitionExample
LOWSingle retrievable fact. Answer statable in one sentence, no reasoning chain."What is the capital of France?"
MEDIUMApply an established procedure or assemble 2–4 concepts. Textbook-level reasoning."Explain quicksort and analyze its time complexity."
HIGHConstruct a novel reasoning path or expert judgment. No standard procedure."Is P equal to NP? Present the current state of evidence."

Key design principle: complexity is defined by reasoning depth, not question format. "What is X?" can be LOW, MEDIUM, or HIGH depending on what reasoning is required to answer.

Usage

from transformers import pipeline

clf = pipeline(
    "text-classification",
    model="anasnassar/llm-query-complexity-classifier",
    device=-1,      # CPU
    top_k=None,     # return all class scores
)

result = clf("Explain the difference between TCP and UDP")
# [{'label': 'MEDIUM', 'score': 0.82}, {'label': 'LOW', 'score': 0.11}, {'label': 'HIGH', 'score': 0.07}]

complexity = max(result[0], key=lambda x: x["score"])["label"]
# 'MEDIUM'

Training

Knowledge distillation approach: Claude Sonnet 4.6 labeled 6,000 queries using a reasoning-depth rubric. ModernBERT-base was fine-tuned on those labels. The result runs at ~32 ms per query (CPU p50) with no API dependency — a 5× latency reduction vs. the LLM judge baseline.

Training dataset: anasnassar/llm-query-complexity-benchmark — 6,000 doubly balanced queries across 10 domains × 3 complexity classes (200/domain/class hard cap; 4,800 train / 1,200 test, 80/20 stratified split, seed=42).

Sources: Derived from sentence-transformers/stackexchange-duplicates (Apache 2.0), cais/mmlu (MIT), TIGER-Lab/MMLU-Pro (MIT), and qiaojin/PubMedQA (MIT).

Hyperparameters:

ParameterValue
Base modelanswerdotai/ModernBERT-base
Epochs5
Batch size32
Learning rate2e-5
Max sequence length128 tokens
OptimizerAdamW, weight_decay=0.01
Warmup10% of steps
Best model metricmacro-F1

Evaluation

Evaluated on a fixed 750-query held-out test set (250/class), stratified split, seed=42.

MetricValue
Accuracy64.2%
Macro-F10.640
FREE-tier retention85.4%
Latency p50 (CPU)32 ms

Per-class recall (Wilson 95% CI):

ClassRecall95% CI
LOW70.8%[66.1%, 75.0%]
MEDIUM49.3%[44.4%, 54.1%]
HIGH72.5%[67.9%, 76.7%]

Judge Comparison

JudgeLatency p50AccuracyMacro-F1API dependency
ModernBERT (this model)32 ms64.2%0.640None
Llama 3.2 3B (LLM judge)164 ms49.0%0.436Ollama

Threshold-Tunable Routing

Rather than a fixed argmax decision, STREAM exposes a tunable threshold θ ∈ [0,1]. A query is routed to cloud when P(HIGH) ≥ θ; otherwise to HPC or local. As θ increases, cloud spend drops but HIGH recall decreases — a continuous precision-recall-cost tradeoff.

Budget-aware adaptive routing automatically raises θ as cloud spend approaches the monthly budget cap:

θ_eff(t) = max(θ_base, S(t)/B)

where S(t) is cumulative spend and B is the monthly budget.

Integration in STREAM

from stream.middleware.core.complexity_judge import judge_complexity

result = judge_complexity("Explain quantum entanglement", strategy="modernbert")
# JudgmentResult(complexity='medium', method='classifier', strategy_used='modernbert',
#                scores={'low': 0.08, 'medium': 0.79, 'high': 0.13})

Citation

@inproceedings{nassar2026stream,
  title     = {{STREAM}: Multi-Tier {LLM} Inference Middleware with Dual-Channel {HPC} Token Streaming},
  author    = {Nassar, Anas and Mohr, Steve and Apanasevich, Leonard and Sharma, Himanshu},
  booktitle = {Practice and Experience in Advanced Research Computing (PEARC '26)},
  year      = {2026},
  doi       = {10.1145/3785462.3815847}
}

@misc{nassar2026benchmark,
  author    = {Nassar, Anas},
  title     = {{LLM} Query Complexity Benchmark},
  year      = {2026},
  publisher = {Hugging Face},
  url       = {https://huggingface.co/datasets/anasnassar/llm-query-complexity-benchmark}
}

% Original source datasets
@article{hendrycks2021mmlu,
  author  = {Dan Hendrycks and others},
  title   = {Measuring Massive Multitask Language Understanding},
  journal = {ICLR},
  year    = {2021},
  url     = {https://huggingface.co/datasets/cais/mmlu}
}

@article{wang2024mmlupro,
  author  = {Yubo Wang and others},
  title   = {{MMLU-Pro}: A More Robust and Challenging Multi-Task Language Understanding Benchmark},
  journal = {arXiv:2406.01574},
  year    = {2024},
  url     = {https://huggingface.co/datasets/TIGER-Lab/MMLU-Pro}
}

@inproceedings{jin2019pubmedqa,
  author    = {Qiao Jin and others},
  title     = {{PubMedQA}: A Biomedical Research Question Answering Dataset},
  booktitle = {EMNLP},
  year      = {2019},
  url       = {https://huggingface.co/datasets/qiaojin/PubMedQA}
}

@misc{stackexchange_dataset,
  author = {Reimers, Nils and Gurevych, Iryna},
  title  = {{StackExchange} Duplicate Questions Dataset},
  year   = {2019},
  url    = {https://huggingface.co/datasets/sentence-transformers/stackexchange-duplicates}
}

License

Apache 2.0

Как запустить

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

GPU в ailist

Универсальный рантайм · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
ModernBertForSequenceClassification
Ревизия весов
27f10a0

0 моделей