/ Модель

Характеристики

Контекст
512 токенов
Параметры
40 млн
Архитектура
bert · dense
Базовая модель
bge-small-en-v1.5
Опубликована
31 авг 2026

rectom-causal-reasoning-retriever-pilot

ЭмбеддингиТекст → embedding3 профессии

Экспериментальная BERT-модель для поиска англоязычных диалогов RecToM со сходной причинной структурой рассуждений Theory of Mind.

75скачиваний за 30 дней0лайковвеса обновлены31 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 «Эмбеддинги» — 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

mhmsadegh/rectom-causal-reasoning-retriever-pilot — экспериментальная дообученная модель на основе BAAI/bge-small-en-v1.5, созданная для поиска диалоговых примеров со сходной причинной структурой рассуждений Theory of Mind в бенчмарке RecToM. Она преобразует текст диалога, вопроса и вариантов ответа в эмбеддинги для извлечения и сравнения примеров; причинные пути использовались только как обучающая разметка. Модель имеет архитектуру BERT, около 40 млн параметров и контекст до 512 токенов; основная область применения — англоязычные тексты RecToM.

Обучение проведено на 156 парах из небольшого набора проверенных вмешательствами причинных случаев. На валидационном разбиении показатели retrieval совпали с замороженными базовыми моделями, а качество генерации ответов на основе найденных примеров ещё не оценивалось. Поэтому результаты не подтверждают преимущество модели для общего семантического поиска или других наборов данных. Файлы представлены в формате safetensors; сведения о лицензии в предоставленных источниках отсутствуют.

Сценарии применения

  • поиск диалогов RecToM с совпадающей структурой причинных отношений
  • извлечение примеров для анализа рассуждений Theory of Mind
  • сравнение диалогов RecToM по эмбеддингам
  • формирование кандидатов для retrieval в экспериментальных системах RecToM

Ограничения

Обучена на небольшом наборе из 156 пар; на валидации её retrieval-метрики совпали с замороженными базовыми моделями. Качество генерации ответов на основе найденных примеров и перенос на официальный тест RecToM не оценивались.

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

RecToM Causal-ToM Reasoning-Aware Retriever (Pilot)

Motivation

RecToM is a dialogue-based Theory-of-Mind movie-recommendation benchmark. A prior blind multi-judge audit (project docs127) found that off-the-shelf semantic retrieval (all-MiniLM-L6-v2) returns causally incompatible cases as its top-1 hit 74-82% of the time, despite high cosine similarity -- i.e. semantic similarity between dialogues is not the same as similarity in the causal Theory-of-Mind reasoning structure required to answer the question. This model is a pilot fine-tune testing whether structure-aware supervision closes that gap, following RAR-B (Xiao et al., 2024) and RaDeR (Das et al., 2025), adapted to RecToM's causal ToM setting.

Supervision signal

Training labels come from intervention-validated causal paths (project docs126): each causal edge was tested via a real counterfactual/control intervention on the answering model, not just claimed by an LLM. Edges whose intervention outcome was REJECTED or CONFOUNDED were dropped before deriving each item's ordered relation_type sequence.

Training-data construction

  • Source pool: 80-item leakage-clean RecToM Case Bank, filtered to 56 items with a non-empty validated relation-type sequence.
  • Same-task pairs only, labeled deterministically (no LLM call):
    • MATCH: identical relation-type sequence -- 49 pairs.
    • PARTIAL: one sequence is a prefix of the other -- 81 pairs, held out, NOT used in this training run.
    • MISMATCH: sequences diverge. Hard negatives = MISMATCH pairs with frozen-baseline cosine similarity >= 0.75 (61 pairs, all kept); remaining MISMATCH pairs subsampled to 127.
  • Input text = Dialogue History + Question + Choices ONLY. Causal paths are supervision-only.

Leakage controls

  • Training pool never includes any item from RecToM's 150-item evaluation set (docs124-127).
  • Train/validation split is group-disjoint by dialogue_id, including 2 internal collision groups found and kept intact.
  • 45 items in train, 11 in validation.

Backbone and training

  • Backbone: BAAI/bge-small-en-v1.5
  • Loss: ContrastiveLoss (binary MATCH/MISMATCH + mined hard negatives)
  • Epochs: 10, batch size: 8, learning rate: 2e-05, best epoch: 1
  • Seed: 42

Retrieval metrics (validation split, group-disjoint from training)

ModelMATCH@1MATCH@3Hit@1Hit@3Hit@5MRR
Frozen all-MiniLM-L6-v2 (project baseline)0.2220.2220.2220.2220.2220.222
Frozen BAAI/bge-small-en-v1.50.2220.2220.2220.2220.2220.222
This model (fine-tuned)0.2220.2220.2220.2220.2220.222

Important limitation

This is a pilot trained on a small (n=156 training pairs) intervention-validated Case Bank. It has NOT been evaluated on downstream RecToM answer-generation accuracy yet (Stage 2, pending). Metrics above measure representation/retrieval quality only, on a held-out validation split of the same small Case Bank -- not RecToM's official 150-item evaluation set, which this model has never seen in any form.

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
BertModel
Ревизия весов
bcd48d5

0 моделей