/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Размер весов
15,2 ГБ
Лицензия
Apache 2.0
Архитектура
qwen2 · dense
Базовая модель
Qwen2.5-7B
Библиотека
transformers
Опубликована
23 июл 2025

prefmatcher-7b

Генерация текстаТекст → текст3 профессии

Модель на основе Qwen2.5-7B сопоставляет описание предпочтений с пунктами чек-листа для автоматической оценки на CUPID.

442скачиваний за 30 дней1лайквеса обновлены5 авг 2025

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

PrefMatcher-7B — дообученная командой kixlab языковая модель для оценки совпадения предпочтений с пунктами контрольного списка. Она принимает описание предпочтения и чек-лист, затем определяет, соответствует ли каждый пункт предпочтению или охватывается им. Модель создана на основе Qwen2.5-7B-Instruct: её дообучили методом QLoRA в течение одной эпохи на 4 тысячах синтетических примеров для бенчмарка CUPID. В метаданных указаны архитектура Qwen2, 7,1 млрд параметров, контекст до 32 768 токенов и библиотека Transformers.

Модель предназначена прежде всего для автоматического оценивания на бенчмарке CUPID и может служить судьёй при сопоставлении предпочтений и критериев оценки. В README сообщается о Krippendorff’s alpha 0,748 относительно человеческих аннотаций. Модель ориентирована на английский язык; её лицензия — Apache 2.0. Результат оценки совпадения может зависеть от формулировок предпочтения и пунктов чек-листа; опубликованная оценка качества относится к данным и условиям CUPID.

Сценарии применения

  • оценка соответствия пунктов чек-листа описанию предпочтений
  • автоматическая разметка пар «предпочтение — критерий оценки»
  • судейская оценка примеров в бенчмарке CUPID

Ограничения

Опубликованная метрика согласия с людьми (Krippendorff’s alpha 0,748) измерена на задаче и данных CUPID; качество на других типах предпочтений и чек-листов в карточке не подтверждено.

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

Links for Reference

TL; DR

PrefMatcher-7B instantiates the Preference Match metric proposed in the CUPID benchmark (COLM 2025). The model takes a preference description and an evaluation checklist to assess whether each checklist item matches or is covered by the preference. The model is trained using Qwen2.5-7B-Instruct as its base model. PrefMatcher provides a high-fidelity, cost efficient judge for automatic evaluation on the CUPID benchmark.

Model Details

PrefMatcher-7B was finetuned through QLoRA for 1 epoch on 4k data samples (i.e., prefernece-checklist matches). PrefMatcher achieved a Krippendorff's alpha of 0.748 with human annotations. The data samples were created through the synthesis pipeline for the CUPID benchmark, which were then evaluated or matched by GPT-4o. The model was trained through the torchtune library.

Model Description

  • Model type: Language model
  • Language(s) (NLP): English
  • License: Apache 2.0

Usage

Here is example code to use the model with VLLM to predict the match between a preference and an evaluation checklist.

from vllm import LLM, SamplingParams

model_name = "kixlab/prefmatcher-7b"

# Load the model
llm = LLM(
    model=model_name,
    load_format="safetensors",
    kv_cache_dtype="auto",
    max_model_len=512
)

# Prepare example input
preference = "Analysis should focus exclusively on visible surface defects and their direct correlation to specific printer settings."
checklist = [
    "Does the training document provide a detailed framework?",
    "Does the training document provide a systematic framework?",
    "Does the framework link external and internal test cube measurements to specific diagnostics?",
    "Does the framework link external and internal test cube measurements to specific quality improvement actions?",
]

checklist_str = "\n".join([f"{i+1}. {item}" for i, item in enumerate(checklist)])
messages = [{
    "role": "system",
    "content": "You are an analytical and insightful assistant that can determine the similarity between **evaluation checklists** and **evaluation criteria**. A criterion describes an aspect of AI outputs that should be evaluated. A checklist contain questions that are used to evaluate more specific or fine-grained aspects of the AI outputs. You will be provided with pairs of checklists and criteria. For each pair, you should determine whether each entry in the checklist is **covered** by the criterion. **Covered** means that the criterion and the checklist entry will evaluate the same or similar aspects of an AI output, even if they use different wording or phrasing."
},
{
    "role": "user",
    "content": f"#### Criterion\n\n{preference}\n\n#### Checklist\n\n{checklist_str}"
}]

sampling_params = SamplingParams(
    max_tokens=512,
    temperature=0.7
)

# Generate the output
outputs = llm.chat(messages, sampling_params=sampling_params, use_tqdm=False)

# Print the output
print(outputs[0].outputs[0].text)

Training Details

Training hyperparameters

The following hyperparameters were used for training:

  • learning_rate: 3e-4
  • train_batch_size: 4
  • gradient_accumulation_steps: 8
  • weight_decay: 1e-2
  • optimizer: AdamW
  • lr_scheduler_type: Cosine with warmup
  • num_warmup_steps: 100
  • lora_rank: 64
  • lora_alpha: 128
  • lora_dropout: 0.0
  • lora_attn_modules: ['q_proj', 'v_proj', 'output_proj']
  • apply_lora_to_mlp: True

Citation

If you find our work useful, please consider citing our paper!

BibTeX:

@article{kim2025cupid,
  title     = {CUPID: Evaluating Personalized and Contextualized Alignment of LLMs from Interactions},
  author    = {Kim, Tae Soo and Lee, Yoonjoo and Park, Yoonah and Kim, Jiho and Kim, Young-Ho and Kim, Juho},
  journal   = {arXiv preprint arXiv:2508.01674},
  year      = {2025},
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2ForCausalLM
Ревизия весов
bb67802

0 моделей