/ Модель

Характеристики

Контекст
131 072 токена
Параметры
7,5 млрд
Размер весов
16,1 ГБ
Лицензия
CC BY-NC 4.0
Архитектура
llama · dense
Базовая модель
Llama-3.1-8B-Instruct
Библиотека
transformers
Опубликована
11 мар 2025

HallOumi-8B

Генерация текстаТекст → текст4 профессии

HallOumi-8B — дообученная языковая модель Oumi AI для проверки утверждений по источникам и выявления галлюцинаций с объяснениями и цитатами.

155скачиваний за 30 дней19лайковвеса обновлены4 апр 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

HallOumi-8B — языковая модель Oumi AI для проверки утверждений и выявления галлюцинаций, когда доступен источник достоверной информации. Она анализирует утверждения по предложениям, определяет, поддерживаются ли они контекстом, оценивает уверенность и предоставляет связанные предложения из источника вместе с объяснением для проверки человеком. Модель представляет собой плотную архитектуру LlamaForCausalLM с 7,5 млрд параметров, дообученную на основе meta-llama/Llama-3.1-8B-Instruct. Она принимает текст и предназначена прежде всего для английского языка; заявленная длина контекста — 131 072 токена.

Модель подходит для проверки сводок, ответов и других текстов по предоставленным документам, помогая находить неподтверждённые утверждения и видеть, на какие фрагменты источника опирается оценка. В карточке заявлен результат Macro F1 77,2% ± 2,2%, однако это утверждение README, а независимая проверка здесь не проводилась. Разработчик предупреждает, что модель меньшего размера имеет ограниченные возможности и рекомендует не использовать её за пределами проверки утверждений; возможны унаследованные от базовой модели предубеждения и риски. Лицензия — CC-BY-NC-4.0, допускающая использование с ограничениями, включая некоммерческий характер.

Сценарии применения

  • проверка утверждений в сводке по исходным документам
  • поиск неподтверждённых фактов в ответе языковой модели
  • сопоставление каждого предложения текста с источником
  • получение объяснений и цитат для проверки фактов человеком

Ограничения

Модель предназначена для проверки утверждений при наличии источника истины; разработчик предостерегает от применения для других задач из-за ограниченных возможностей небольшой модели. Возможны унаследованные от Llama предубеждения и риски.

Для каких профессий подходит4

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

oumi logo Made with Oumi

Documentation Blog Discord

oumi-ai/HallOumi-8B

Introducing HallOumi-8B, a SOTA hallucination detection model, outperforming DeepSeek R1, OpenAI o1, Google Gemini 1.5 Pro, and Claude Sonnet 3.5 at only 8 billion parameters!

Give HallOumi a try now!

ModelMacro F1 ScoreOpen?Model Size
HallOumi-8B77.2% ± 2.2%Truly Open Source8B
Claude Sonnet 3.569.6% ± 2.8%Closed??
OpenAI o1-preview65.9% ± 2.3%Closed??
DeepSeek R161.6% ± 2.5%Open Weights671B
Llama 3.1 405B58.8% ± 2.4%Open Weights405B
Google Gemini 1.5 Pro48.2% ± 1.8%Closed??

HallOumi, the hallucination detection model built with Oumi, is a system built specifically to enable per-sentence verification of any content (either AI or human-generated) with sentence-level citations and human-readable explanations. For example, when given one or more context documents, as well as an AI-generated summary, HallOumi goes through every claim being made in the summary and identifies:

  • A determination whether that particular statement is supported or unsupported by the provided context combined with a confidence score.
  • The relevant context sentences associated with that claim to facilitate human review.
  • An explanation describing why a particular claim is supported or unsupported to boost human review accuracy. Some hallucinations may be nuanced and hard for humans to catch without help.

Hallucinations

Hallucinations are often cited as the most important issue with being able to deploy generative models in numerous commercial and personal applications, and for good reason:

It ultimately comes down to an issue of trust — generative models are trained to produce outputs which are probabilistically likely, but not necessarily true. While such tools are useful in the right hands, being unable to trust them prevents AI from being adopted more broadly, where it can be utilized safely and responsibly.

Building Trust with Verifiability

To be able to begin trusting AI systems, we have to be able to verify their outputs. To verify, we specifically mean that we need to:

  • Understand the truthfulness of a particular statement produced by any model.
  • Understand what information supports that statement’s truth (or lack thereof).
  • Have full traceability connecting the statement to that information.

Missing any one of these aspects results in a system that cannot be verified and therefore cannot be trusted. However, this is not enough, as we have to be capable of doing these things in a way that is meticulous, scalable, and human-readable. With explanations, confidence scores, and citations, all at an affordable model size, HallOumi takes us towards a more grounded, trustworthy future for AI.


Uses

Use to verify claims/detect hallucinations in scenarios where a known source of truth is available.

Demo: https://oumi.ai/halloumi-demo

Example prompt:

EXAMPLE_CONTEXT = """<|context|><|s1|><This is sentence 1 of the document.><end||s><|s2|><This is sentence 2 of the document.><end||s><end||context>"""
EXAMPLE_REQUEST = """<|request|><Make one or more claims about information in the documents.><end||request>"""
EXAMPLE_RESPONSE = """<|response|><|r1|><This is sentence 1 of the claims/response.><end||r><|r2|><This is sentence 2 of the claims/response.><end||r><end||response>"""

messages = [
	{'role': 'user', 'content': f"{EXAMPLE_CONTEXT}{EXAMPLE_REQUEST}{EXAMPLE_RESPONSE}",
]

Out-of-Scope Use

Smaller LLMs have limited capabilities and should be used with caution. Avoid using this model for purposes outside of claim verification.

Bias, Risks, and Limitations

This model was finetuned with Llama-3.1-405B-Instruct data on top of a Llama-3.1-8B-Instruct model, so any biases or risks associated with those models may be present.

Training Details

Training Data

Training data:

Training Procedure

For information on training, see https://oumi.ai/halloumi

Evaluation

Follow along with our notebook on how to evaluate hallucination with HallOumi and other popular models:

https://github.com/oumi-ai/oumi/blob/main/configs/projects/halloumi/halloumi_eval_notebook.ipynb

Environmental Impact

  • Hardware Type: H100
  • Hours used: 32 (4 * 8 GPUs)
  • Cloud Provider: Google Cloud Platform
  • Compute Region: us-east5
  • Carbon Emitted: 2.8 kg

Citation

@misc{oumiHalloumi8B,
  author = {Jeremy Greer, Konstantinos Aisopos, Panos Achlioptas, Michael Schuler, Oussama Elachqar, Emmanouil Koukoumidis},
  title = {HallOumi-8B},
  month = {March},
  year = {2025},
  url = {https://huggingface.co/oumi-ai/HallOumi-8B}
}

@software{oumi2025,
  author = {Oumi Community},
  title = {Oumi: an Open, End-to-end Platform for Building Large Foundation Models},
  month = {January},
  year = {2025},
  url = {https://github.com/oumi-ai/oumi}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
fa4488b

0 моделей