Характеристики

Лицензия: MIT
Базовая модель: all-distilroberta-v1-lr2e-4-bs256-nneg3-ml-ne2
Опубликована: 12 июл 2026

Ссылки

Hugging Face

lean-premise-distilroberta-GGUF

chasenorman

ЭмбеддингиТекст → embedding3 профессии

Эмбеддинговая модель для поиска посылок и предложений Mathlib, подходящих для формальных доказательств в Lean 4.

18скачиваний за 30 дней0лайковвеса обновлены12 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

Это модель эмбеддингов для выбора посылок в Lean 4 и Mathlib, разработанная Thomas Zhu и представленная в репозитории chasenorman как конверсия в формат GGUF с точностью F16. Она основана на дообученной модели l3lab/all-distilroberta-v1-lr2e-4-bs256-nneg3-ml-ne2 и предназначена для поиска подходящих утверждений и предложений библиотеки при формализации доказательств. В CanonicalDrafter она используется в premise-server для кэширования и отбора кандидатов через библиотеку premiseSelector.

Модель принимает текст и выдаёт эмбеддинги; карточка указывает на использование mean pooling и контекст 512 токенов. Репозиторий распространяет конвертированные веса по лицензии MIT. Она специализирована для выбора посылок в Lean 4/Mathlib, поэтому её назначение не предполагает универсальную генерацию текста.

Сценарии применения

поиск подходящих лемм Mathlib для цели доказательства
ранжирование предложений библиотеки по релевантности к формальной цели
предоставление подсказок premiseSelector в Lean 4
кэширование эмбеддингов для сервиса выбора посылок

Ограничения

Модель специализирована на выборе посылок для Lean 4/Mathlib и не предназначена для универсальной генерации текста. Для этой сборки указан контекст 512 токенов.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

II.2Разработка и данныеСоздание и понимание программного кодаAI помогает писать, объяснять и связывать программный код с требованиями и существующей системой.20 задач21 443модели IV.6Отраслевые задачиНаучные исследования, математика и новые материалыAI помогает формировать гипотезы, анализировать научные данные и ускорять открытие новых материалов и методов.39 задач4 120моделей II.4Разработка и данныеОтладка, тестирование и качество ПОAI помогает находить дефекты, строить проверки и повышать надёжность программного продукта.25 задач13 978моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

lean-premise-distilroberta-GGUF

f16 GGUF conversion of l3lab/all-distilroberta-v1-lr2e-4-bs256-nneg3-ml-ne2 (revision v4.30.0), Thomas Zhu's premise-selection embedding model for Lean 4 / Mathlib.

Used by CanonicalDrafter as the embedding model for premise-server (from the FrederickPu/llama.cpp fork, branch canonical-drafter-prefill-hook), serving /cache and /select for the premiseSelector library-suggestions hook:

premise-server -m thomas-zhu-lean-premise.f16.gguf --host 127.0.0.1 --port 8766 --pooling mean --ctx-size 512

Converted with that fork's convert_hf_to_gguf.py --outtype f16.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

GGUF-веса поддерживаются только для текстовых LLM (llama.cpp).

Ревизия весов: d5bc445