/ Модель

Характеристики

Контекст
262 144 токена
Параметры
3,7 млрд
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
Qwen3-4B-Instruct-2507
Библиотека
transformers
Опубликована
20 авг 2026

qwen3-4b-instruct-2507-soundness-judge-sft

Генерация текстаТекст → текст3 профессии

Дообученная Qwen3 оценивает достоверность существенных предпосылок отдельных пунктов рецензии на научную статью по трёхуровневой шкале.

303скачиваний за 30 дней0лайковвеса обновлены20 авг 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

Это дообученная плотная языковая модель Qwen3 с 3,7 млрд параметров, созданная на базе Qwen/Qwen3-4B-Instruct-2507. Она работает как оценщик достоверности тезисов в рецензиях на научные статьи: на вход получает статью и один пункт рецензии, а на выходе классифицирует фактический статус существенных предпосылок по трём оценкам — есть явно ложная предпосылка, ложных предпосылок нет, но часть остаётся нерешённой, или все предпосылки верны.

Модель предназначена для использования в исследовательских RL-экспериментах по формированию обратной связи для рецензий. Сервис оценивания использует логиты трёх токенов оценки после JSON-префикса {"score":. Архитектура — Qwen3ForCausalLM; контекст составляет до 262 144 токенов. Модель принимает текст и выдаёт текстовые оценки.

Оценки модели не следует считать проверенными фактическими или научными суждениями. Лицензия — Apache-2.0.

Сценарии применения

  • оценка фактической обоснованности пункта рецензии на научную статью
  • выявление явно ложных предпосылок в отзыве на статью
  • маркировка тезисов рецензии как истинных, сомнительных или ложных
  • формирование сигнала вознаграждения для RL-экспериментов с отзывами

Ограничения

Оценки не являются проверенными фактическими или научными суждениями; README не описывает показатели качества или процедуры верификации. Использование для научного рецензирования указано как исследовательское.

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

Qwen3-4B Soundness Judge SFT

This checkpoint is the trained soundness reward model used by the review-point RL experiments. Given a paper and one review point, it predicts the factual status of the review point's material premises:

  • 0: at least one material premise is clearly false.
  • 1: no material premise is clearly false, but at least one remains unresolved.
  • 2: every material premise is true.

The RL judge service evaluates one generated review point at a time and uses the logits for the three score tokens after the JSON prefix {"score":.

This is a research reward model trained for paper-review feedback. Its scores should not be treated as verified factual or scientific judgments.

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
68710cb

0 моделей