/ Модель

Характеристики

Контекст
40 960 токенов
Параметры
508 млн
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
Qwen3-Reranker-0.6B
Библиотека
transformers
Опубликована
24 сен 2026

SKILLRET-Reranker-0.6B

Генерация текстаТекст → текст3 профессии

Дообученный реранкер Qwen3 оценивает соответствие навыков AI-агентов запросу и пересортировывает результаты поиска.

46скачиваний за 30 дней0лайковвеса обновлены24 сен 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

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

SKILLRET-Reranker-0.6B — реранкер для поиска навыков AI-агентов по запросу на естественном языке. Модель разработана авторами репозитория anonymous-ed-benchmark и дообучена на обучающей части SkillRet benchmark от Qwen/Qwen3-Reranker-0.6B. Она оценивает релевантность пары «запрос — навык» и предназначена для второго этапа поиска: пересортировки кандидатов, полученных от первичного ретривера.

Это плотная модель семейства Qwen3 на 507,6 млн параметров с интерфейсом оценки релевантности Qwen3-Reranker. Обучение использовало бинарную кросс-энтропию по вероятностям токенов «yes» и «no». Модель принимает текст запроса и описание навыка, включая его название и тело SKILL.md; контекст составляет до 40 960 токенов. Репозиторий содержит веса Safetensors и использует библиотеку Transformers. Модель оптимизирована для английских запросов и описаний навыков; в оценке она повысила NDCG@5 с 0,8458 до 0,8610 при пересортировке 20 кандидатов.

Основное применение — поиск навыков для AI-агентов в двухэтапной системе retrieval и reranking. Пересортировка медленнее первичного поиска: обработка 20 кандидатов занимала около 0,8 секунды на запрос на B200, поэтому задержка может быть существенной для чувствительных к latency сценариев. Лицензия — Apache-2.0.

Сценарии применения

  • пересортировка найденных навыков AI-агента по запросу пользователя
  • выбор подходящего навыка из списка кандидатов
  • оценка релевантности описания SKILL.md запросу
  • повышение качества поиска навыков в системе AI-агентов

Ограничения

Оптимизирована для английских запросов и описаний навыков; пересортировка 20 кандидатов занимала около 0,8 секунды на запрос на B200, что может быть слишком медленно для сценариев с жесткими требованиями к задержке.

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

SkillRet-Reranker-0.6B

This is a reranker fine-tuned for AI agent skill retrieval. Given a natural-language user request and a candidate agent skill, it scores how relevant and useful the skill is for the request. It is designed as the second stage after a first-stage retriever such as SkillRet-Embedding-0.6B or SkillRet-Embedding-8B.

The model is fine-tuned from Qwen/Qwen3-Reranker-0.6B on the SkillRet benchmark training split with binary cross-entropy on the yes/no token probability. It keeps the scoring interface of Qwen3-Reranker.

Usage

Transformers

import torch
from transformers import AutoTokenizer, AutoModelForCausalLM

model_id = "anonymous-ed-benchmark/SKILLRET-Reranker-0.6B"
tokenizer = AutoTokenizer.from_pretrained(model_id, padding_side="left")
model = AutoModelForCausalLM.from_pretrained(model_id, dtype=torch.bfloat16).eval()

token_yes = tokenizer.convert_tokens_to_ids("yes")
token_no = tokenizer.convert_tokens_to_ids("no")

instruction = (
    "Given a skill search query, judge whether the skill document "
    "is relevant and useful for the query"
)
prefix = (
    "<|im_start|>system\nJudge whether the Document meets the requirements based on the "
    'Query and the Instruct provided. Note that the answer can only be "yes" or "no".'
    "<|im_end|>\n<|im_start|>user\n"
)
suffix = "<|im_end|>\n<|im_start|>assistant\n<think>\n\n</think>\n\n"
prefix_ids = tokenizer.encode(prefix, add_special_tokens=False)
suffix_ids = tokenizer.encode(suffix, add_special_tokens=False)
max_length = 8192


def format_pair(query: str, doc: str) -> str:
    return f"<Instruct>: {instruction}\n<Query>: {query}\n<Document>: {doc}"


@torch.no_grad()
def score(query: str, docs: list[str]) -> list[float]:
    pairs = [format_pair(query, d) for d in docs]
    enc = tokenizer(
        pairs,
        padding=False,
        truncation="longest_first",
        return_attention_mask=False,
        max_length=max_length - len(prefix_ids) - len(suffix_ids),
    )
    enc["input_ids"] = [prefix_ids + ids + suffix_ids for ids in enc["input_ids"]]
    enc = tokenizer.pad(enc, padding=True, return_tensors="pt").to(model.device)
    logits = model(**enc).logits[:, -1, :]
    stacked = torch.stack([logits[:, token_no], logits[:, token_yes]], dim=1)
    return torch.nn.functional.log_softmax(stacked, dim=1)[:, 1].exp().tolist()


query = "Help me set up a CI/CD pipeline for my Python project"
skills = [
    "ci-cd-setup | Configure continuous integration and deployment pipelines ...",
    "python-debugging | Debug Python applications using pdb and logging ...",
]
print(score(query, skills))  # higher = more relevant

Each skill document is formatted as name | description | SKILL.md body, the same representation used by the SkillRet embedding models.

Training Details

  • Base model: Qwen3-Reranker-0.6B (0.6B parameters)
  • Training data: SkillRet benchmark training split (63,259 queries and 10,123 skills)
  • Objective: binary cross-entropy on P(yes) for each query–skill pair
  • Hard negatives: mined from four retrievers (SkillRet-Embedding-0.6B, SkillRet-Embedding-8B, Qwen3-Embedding-8B, harrier-oss-v1-0.6b). Ranks 21–60 from each retriever are merged into one pool of non-relevant candidates, and 15 negatives are sampled per positive.
  • Hardware: 4× NVIDIA B200 GPUs (DDP)
  • Effective batch size: 384 (96 per device × 4 GPUs)
  • Max sequence length: 8,192 tokens
  • Learning rate: 2e-5, warmup ratio 0.1
  • Schedule: one epoch
  • Precision: BF16

Evaluation Results

Evaluated on the SkillRet benchmark evaluation split (4,392 queries, 6,006 skills). The reranker rescores the top-20 candidates returned by SkillRet-Embedding-8B.

ModelNDCG@5NDCG@10NDCG@15
SkillRet-Embedding-8B, no reranking0.84580.86440.8695
+ SkillRet-Reranker-0.6B (this model)0.86100.87740.8821

Full metrics for this model:

Metric@5@10@15
NDCG0.86100.87740.8821
Recall0.89280.93570.9510
Completeness0.82060.88960.9128

Intended Use

This model is designed to rerank candidate agent skills for a natural-language user request. It is part of the SkillRet benchmark submission for evaluating skill retrieval systems for AI agents.

Limitations

  • Optimized for English-language queries and agent skills.
  • Reranking is substantially slower than first-stage retrieval. Rescoring 20 candidates takes about 0.8 s per query on one B200, so latency-sensitive deployments may use the embedding model alone.

Citation

Citation information will be added in the de-anonymized release.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3ForCausalLM
Ревизия весов
76a1841

0 моделей