/ Модель

Характеристики

Контекст
8 192 токена
Параметры
149 млн
Лицензия
Apache 2.0
Архитектура
modernbert · dense
Базовая модель
ModernBERT-base
Библиотека
decide
Опубликована
25 сен 2026

decide

Заполнение пропусковТекст → текст12 профессий

Англоязычная модель на базе ModernBERT для классификации по вариантам, проверки условий и оценки по упорядоченной шкале с выдачей вероятностей.

53скачиваний за 30 дней0лайковвеса обновлены26 сен 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

decide-0.2.0 — англоязычная модель jmwri на 149 млн параметров, дообученная на базе answerdotai/ModernBERT-base. Это компактный некорректирующий генерацию encoder-only классификатор: за один проход оценивает каждый из предложенных вариантов и возвращает калиброванные вероятности. Поддерживает выбор одного варианта из нескольких, проверку условия с ответом «да/нет» и оценку по упорядоченной шкале. Архитектура использует ModernBERT и отдельную MLP-голову для оценки вариантов; заявленная длина контекста — 8192 токена.

Модель предназначена для классификации по заданным вариантам, проверки утверждений и принятия решений по текстовому описанию состояния и инструкции. Оценки вариантов не зависят от порядка остальных вариантов, что удобно для построения устойчивых классификаторов и таксономий. На задачах, похожих на обучающие, README приводит метрики точности и калибровки; на не встречавшихся при обучении задачах качество ниже, а вероятности могут быть чрезмерно уверенными.

Модель поддерживает только английский язык. Лучше работают варианты с ясными описаниями; наборы более чем примерно из десяти вариантов рекомендуется разбивать на этапы. Для решений, влияющих на права, безопасность или средства к существованию людей, требуется надзор человека. Лицензия модели — Apache-2.0; перед распространением или коммерческим использованием также следует проверить лицензии использованных обучающих наборов данных.

Сценарии применения

  • классификация обращения по описанным категориям причин
  • выбор подходящего варианта ответа по текстовому контексту
  • проверка, выполняется ли заданное условие
  • оценка текста по упорядоченной шкале
  • маршрутизация запросов по категориям с порогом уверенности

Ограничения

Поддерживает только английский язык; наборы вариантов лучше ограничивать примерно десятью, а более крупные таксономии обрабатывать поэтапно. На задачах, сильно отличающихся от обучающих, вероятности могут быть чрезмерно уверенными; решения с существенными последствиями требуют надзора человека.

Для каких профессий подходит12

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

decide-0.2.0

A small, fast, non-autoregressive decision model. Given some state, an instruction and a set of candidate options, it scores every option in a single forward pass and returns calibrated probabilities. It answers three kinds of question with the same weights:

  • choice: a distribution over K mutually exclusive options
  • noul: the probability that a condition holds (a yes/no question)
  • score: an expected level on an ordered scale

It is fine-tuned from ModernBERT-base (149M parameters). The packed input is <instructions> <state> [SEP] [MASK] option0 [MASK] option1 ...; a small MLP head scores the encoder state at each [MASK]. Each option attends only to the shared prefix and to itself and its position ids restart after the prefix, so an option's score depends on (premise, that option) alone: permuting the options permutes the scores and changes nothing else (measured max logit change under permutation: 8.9e-06).

The model, tokenizer, training loop, evaluation and this card were all produced with the pure-Go toolchain in jmwri/decide; no Python or PyTorch was used to train it.

Usage

import "github.com/jmwri/decide"

decide.SetDefault(decide.NewLocal("/path/to/this/model")) // or: decide pull --repo jmwri/decide
ans, _ := decide.Decide(ctx, "Replication lag exceeded 45 seconds.", decide.Options{
    {Key: "infrastructure", Description: "Database, hardware, network or server failures"},
    {Key: "billing", Description: "Invoices, payments, refunds"},
}, "Classify the root cause domain.")

Evaluation

Accuracy is top-option accuracy. ECE is the expected calibration error (15 bins) of the top-option confidence, after the per-kind temperature scaling shipped in decide.json.

Held-out validation splits of the training tasks

tasknaccuracyNLLECE
all812780.2%0.5050.007
kind: choice474578.7%0.5690.011
kind: noul270389.5%0.2590.009
kind: score67953.5%1.0410.034
amazon_polarity30094.0%0.1780.035
arc20049.0%1.2720.124
arc_easy20066.0%0.8570.079
banking7730096.7%0.0940.032
bitext_support300100.0%0.0110.011
boolq30083.3%0.4120.043
civil_comments15676.9% (MAE 0.48 levels)0.5430.086
clinc15030098.3%0.0580.019
cola20079.0%0.4190.086
commonsense_qa30065.0%0.8800.042
dbpedia1430070.0%1.0270.163
go_emotions25684.4%0.4630.079
hellaswag30068.7%0.8180.065
massive_intent30097.0%0.1130.037
massive_scenario30096.3%0.1410.040
mnli30087.3%0.3590.061
mrpc20090.5%0.2340.048
newsgroups29685.5%0.4400.058
openbookqa25059.6%0.9570.056
qasc25049.6%1.3700.053
qnli20090.5%0.2280.059
qqp20087.0%0.3310.057
rte20082.0%0.3910.038
sms_spam300100.0%0.0090.009
snli29587.5%0.3460.073
sst230095.0%0.1770.048
sst530054.7% (MAE 0.55 levels)1.0340.069
stsb30051.3% (MAE 0.60 levels)1.0930.049
toxic_conversations12491.9%0.2580.054
wanli30074.7%0.5830.042
winogrande30066.0%0.7150.110

Tasks in this second table were never trained on (zero-shot to the model):

Held-out tasks

tasknaccuracyNLLECE
all450047.6%1.2680.133
kind: choice250042.8%1.4150.128
kind: noul100058.9%1.0110.266
kind: score100048.2%1.1590.072
amazon_stars100048.2% (MAE 0.71 levels)1.1590.072
emotion100055.1%1.2440.084
enron_spam100058.9%1.0110.266
mmlu150034.5%1.5290.166

Training data

Fine-tuned on 301661 examples built from the public datasets below (options are re-sampled and verbalised in several styles; classification tasks are also posed as yes/no verification questions). Licenses are as declared on the Hugging Face hub; review them before redistributing or commercialising the weights, since several datasets carry share-alike or unspecified terms.

datasettrain exampleslicense (as declared)
amazon_polarity8000apache-2.0
amazon_stars (held out, evaluation only)0unspecified (mteb/amazon_reviews_multi)
arc1119cc-by-sa-4.0
arc_easy2251cc-by-sa-4.0
banking779993cc-by-4.0
bitext_support8990cdla-sharing-1.0
boolq9000cc-by-sa-3.0
civil_comments9391cc0-1.0
clinc15015000cc-by-3.0
cola6000other (GLUE)
commonsense_qa9000mit
dbpedia148000cc-by-sa-3.0
emotion (held out, evaluation only)0other (dair-ai)
enron_spam (held out, evaluation only)0unspecified (SetFit/enron_spam)
go_emotions7520apache-2.0
hellaswag22000mit
massive_intent11499apache-2.0
massive_scenario11500apache-2.0
mmlu (held out, evaluation only)0mit
mnli30000cc-by-3.0/cc-by-sa-3.0/mit/other
mrpc3668other (GLUE)
newsgroups10707unspecified (SetFit/20_newsgroups)
openbookqa4957unknown
qasc8000cc-by-4.0
qnli8000other (GLUE)
qqp8000other (GLUE)
rte2490other (GLUE)
sms_spam4433unknown (UCI)
snli15976cc-by-sa-4.0
sst28000other (GLUE)
sst58500unspecified (SetFit/sst5)
stsb5748other (GLUE)
toxic_conversations6138cc-by-4.0
wanli16000cc-by-4.0
winogrande22000cc-by-4.0

Limitations

  • English only. Inputs are limited to 8192 tokens; option sets are best kept under ~10 (use a two-stage taxonomy beyond that).
  • Trained on public classification, inference and multiple-choice datasets, so it is strongest on those styles of question. Explicit, descriptive option texts work better than bare labels. Domain-specific jargon or rubrics with no descriptive criteria fall back to general language priors.
  • Probabilities are calibrated on held-out data from the training tasks; on very different distributions they will be over-confident. Use a confidence gate and route uncertain cases to review.
  • Not for decisions that affect people's rights, safety or livelihood without human oversight.

License

Weights: Apache-2.0 (ModernBERT-base is Apache-2.0), subject to the training-data terms above.

Как запустить

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

GPU в ailist

Универсальный рантайм · decide · fill-mask

Можно запустить

Подбираем GPU…

Класс архитектуры
ModernBertForMaskedLM
Ревизия весов
14d67ec

0 моделей