/ Модель

Характеристики

Контекст
40 960 токенов
Параметры
3,7 млрд
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
Qwen3-4B
Библиотека
transformers
Опубликована
29 сен 2026

openjev-rlcd-qwen3-4b-v1

Генерация текстаТекст → текст3 профессии

Экспериментальная модель на базе Qwen3-4B классифицирует намерения из короткого текста и возвращает метку с калиброванной оценкой уверенности в JSON.

200скачиваний за 30 дней0лайковвеса обновлены29 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

openjev-rlcd-qwen3-4b-v1 — экспериментальная модель dknguyen2304, дообученная на базе Qwen3-4B методом GRPO с подходом RLCD к калибровке решений. Она предназначена для классификации намерений по SNIPS: получает короткий текст и набор из 2–20 вариантов с метками и возвращает один выбранный вариант и оценку уверенности в компактном JSON. Модель обучена на семи типах намерений, включая запросы о погоде, музыке, ресторанах и бронировании билетов. Архитектура — плотная Qwen3ForCausalLM на 3,7 млрд параметров; поддерживаются английский язык и контекст до 40 960 токенов. Для генерации требуется отключить режим рассуждений Qwen3 через параметр шаблона enable_thinking=False.

Обучение продолжается, а опубликованный чекпойнт охватывает только одну сравнительно простую область; качество на неоднозначных примерах и перенос на другие категории решений не проверены. Уверенность представлена одним числом для выбранного ответа, а не распределением вероятностей по всем вариантам. Это независимая реализация методики RLCD, не связанная с TypeSafe AI Jev и не использующая его веса. Лицензия — Apache-2.0.

Сценарии применения

  • классификация намерения пользователя по тексту запроса
  • распознавание запросов о погоде, музыке и ресторанах
  • выбор категории обращения из списка вариантов
  • маршрутизация коротких запросов по заданным меткам
  • автоматическая сортировка запросов с передачей ответов низкой уверенности человеку

Ограничения

Чекпойнт v1 обучен только на семи сравнительно простых намерениях SNIPS; перенос на сложные и неоднозначные задачи не проверен. Уверенность дана одним числом для выбранного ответа, а для работы нужно отключить режим рассуждений Qwen3.

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

openjev-rlcd-qwen3-4b-v1

Status: training in progress (v1, single-category checkpoint) — this card will be updated with final metrics once training completes.

A Qwen3-4B checkpoint fine-tuned with RLCD (Reinforcement Learning for Calibrated Decisions) via GRPO, using XiaomiMiMo/verl (a fork of verl-project/verl) as the training framework.

What this is

This model is trained to produce typed decisions with calibrated confidence — given a short piece of text and a small set of labeled options (2-20), it outputs a single-line JSON object naming its chosen label and a confidence score for that choice:

{"answer": "B", "confidence": 0.94}

No chain-of-thought, no free-form generation — one short structured decision per input, matching a "System One" inference style rather than a reasoning model.

This is an independent, non-affiliated reproduction of the training methodology described by TypeSafe AI's Jev model (RLCD instead of plain RLHF / correctness-only reward). It is not TypeSafe's Jev model, not derived from their weights, and not endorsed by them — named openjev (not jev) for exactly this reason, mirroring why the original open-source clone this project descends from (workszop/openjev) was itself renamed to SemIf to avoid trademark confusion with the commercial product.

Why RLCD instead of plain correctness reward

A binary correct/incorrect reward (the default in most GRPO recipes, e.g. verl's own GSM8K example) only trains for accuracy — a model can learn to always claim high confidence and still score well on average. RLCD instead scores every rollout with a Brier score proper scoring rule:

reward = 1 - (confidence - is_correct)^2

This is maximized only when the model is both correct and confident, and penalizes confident-but-wrong answers harder than unsure-but-wrong ones — the calibration property that lets downstream software act automatically on high-confidence decisions and route low-confidence ones to human review, which is the whole point of a typed-decision model.

Training data (v1)

  • Dataset: benayas/snips — SNIPS intent classification, 7 intents (AddToPlaylist, BookRestaurant, GetWeather, PlayMusic, RateBook, SearchCreativeWork, SearchScreeningEvent), 13,084 train / 1,400 test examples.
  • Each example is reframed as a lettered multiple-choice question with the intent options shuffled per-row (seeded, deterministic) to avoid positional bias.
  • v1 scope note: this checkpoint only covers one of the ~14 typed-decision use-case categories the wider Jev-style research surveyed. Broader categories (content moderation, severity classification, tool routing, prompt-injection detection, etc.) are a planned v2, not yet included here.

Training setup

Base modelQwen/Qwen3-4B
AlgorithmGRPO (algorithm.adv_estimator=grpo)
FrameworkXiaomiMiMo/verl 0.9.0.dev, FSDP + vLLM rollout
Hardware2x NVIDIA H100-80GB, single node
Response length64 tokens (short structured JSON, no CoT)
Thinking modedisabled (apply_chat_template_kwargs.enable_thinking=false)
Rewardcustom RLCD/Brier score (reward.custom_reward_function)

Important inference note: Qwen3's chat template defaults to "thinking mode." This model was trained with it explicitly disabled — at inference time you must pass the same template kwarg (e.g. chat_template_kwargs={"enable_thinking": false} on an OpenAI-compatible vLLM server, or enable_thinking=False to tokenizer.apply_chat_template), otherwise the model will spend its whole (short) response budget on <think>...</think> reasoning and never emit the JSON decision.

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer

model = AutoModelForCausalLM.from_pretrained("dknguyen2304/openjev-rlcd-qwen3-4b-v1")
tokenizer = AutoTokenizer.from_pretrained("dknguyen2304/openjev-rlcd-qwen3-4b-v1")

prompt = tokenizer.apply_chat_template(
    [{"role": "user", "content": (
        "You are a typed-decision engine (System One). Given the input, choose exactly ONE "
        "label from the options below and report your confidence that this label is correct.\n"
        "Respond with ONLY a single-line JSON object in this exact format, no other text, no "
        'reasoning, no markdown fences:\n{"answer": "<LETTER>", "confidence": <number between 0 '
        "and 1>}\n\n"
        "Input: add this song to my road trip playlist\n\n"
        "Options:\nA) BookRestaurant\nB) AddToPlaylist\nC) GetWeather\nD) PlayMusic\n"
        "E) RateBook\nF) SearchCreativeWork\nG) SearchScreeningEvent"
    )}],
    tokenize=False,
    add_generation_prompt=True,
    enable_thinking=False,
)

Limitations

  • v1 covers a single, relatively easy intent-classification domain (SNIPS) — generalization to harder/more ambiguous typed-decision domains is untested.
  • Confidence is a single scalar attached to the chosen answer, not a full probability distribution over all options.
  • Not affiliated with, endorsed by, or derived from TypeSafe AI's Jev product.

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
6bc07f2

0 моделей