/ Модель

Характеристики

Контекст
512 токенов
Параметры
25,9 млн
Лицензия
MIT
Архитектура
bert · dense
Базовая модель
all-MiniLM-L6-v2
Библиотека
transformers
Опубликована
10 июн 2026

neuraltxt-reward-tiny

Классификация текстаТекст → label3 профессии

Компактный оценщик ответов, который сравнивает ответ с эталоном и выдаёт сигнал вознаграждения для обучения языковых моделей и проверки эквивалентности.

87скачиваний за 30 дней0лайковвеса обновлены10 июн 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

NeuralTxt Reward Model — компактная модель оценки ответов, разработанная paperbd и дообученная на базе sentence-transformers/all-MiniLM-L6-v2. Она сравнивает ответ с эталонным ответом и выдаёт оценку соответствия по шкале 0–1; модель предназначена для быстрого получения сигналов вознаграждения при обучении языковых моделей, а также для оценки эквивалентности и корректности ответов в системах вопросов и ответов. Для сравнения подаётся текст в формате «эталон [SEP] ответ». Архитектура основана на BERT-энкодере с 25,9 млн параметров, слоем Dropout и линейной оценочной головой; максимальная длина контекста — 512 токенов. Модель принимает и обрабатывает английский текст.

Обучение охватывает ответы на вопросы по научным статьям, примеры предпочтений и эквивалентности ответов, а также пары семантически похожих предложений. В карточке приведены результаты на нескольких тестовых наборах, включая точность 0,93 на задаче эквивалентности ответов. Лицензия — MIT. Модель лучше подходит для текстов вопросов и ответов, чем для творческих или разговорных ответов; ей необходим эталон, поэтому она не является самостоятельным оценщиком общего качества. Оценки систематически смещены вниз, и отдельные фактические подмены одного слова могут оставаться незамеченными.

Сценарии применения

  • оценка ответов на вопросы по научным статьям относительно эталона
  • ранжирование вариантов ответа по соответствию эталону
  • получение сигналов вознаграждения для RLHF и GRPO
  • проверка эквивалентности ответа эталонному по смыслу

Ограничения

Требует эталонного ответа и лучше работает на задачах вопросов и ответов, чем на творческих или разговорных текстах. Оценки имеют тенденцию быть ниже целевых, а некоторые фактические подмены одного слова модель может не обнаружить.

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

NeuralTxt Reward Model

A small, fast reward model fine-tuned on research paper Q&A data. Scores responses on a 0-1 scale by comparing them against a reference answer. Note that this is an answer-equivalence model that is trained to match correctness and completeness of input answer. Do not use this for style-matching tasks.

Purpose

RL training for language models needs fast reward signals. External LLM-as-judge is accurate but slow and expensive. Lexical metrics (F1, ROUGE-L) are fast but fooled 78% of the time by factually wrong responses as long as lexical overlap is high. Traditional autoregressive reward models trained directly on preference datasets are large and eat up a lot of GPU.

This model balances speed and accuracy — 22M params, runs on CPU, 5% hallucination rate on hard confound examples, 97% accuracy on human preference data.. Note that unlike autoregressive reward models, neuraltxt-reward-22M needs a reference answer to generate rewards.

Quick Start

Install the neural-txt library via pip or uv

pip install neural-txt

And then use it thusly:

from neuraltxt import NeuralTxtReward

reward = NeuralTxtReward()
score = reward.score(
    response="Attention is all you need.",
    reference="All you need is attention.",
)

You can also do batch_scores and ranks:

reference = "Attention is all you need."
responses = [
    "All you need is attention.",
    "You do not need attention."
]

scores = reward.batch_score(responses, reference)
ranked = reward.rank(responses, reference)

Alternatively, you can just use this simple script.

import torch
import torch.nn as nn
from transformers import AutoTokenizer, AutoModel


def meanmax_pool(hidden, mask):
    mask_f = mask.unsqueeze(-1).float()
    mean = (hidden * mask_f).sum(1) / mask_f.sum(1).clamp(min=1e-9)
    mx = hidden.masked_fill(mask_f == 0, float("-inf")).max(1).values
    return torch.cat([mean, mx], dim=-1)


# Load encoder and tokenizer
encoder = AutoModel.from_pretrained("paperbd/neuraltxt-reward-tiny")
tokenizer = AutoTokenizer.from_pretrained("paperbd/neuraltxt-reward-tiny")

# Load trained head (~3KB, 768-dim input from mean+max concat)
head = nn.Sequential(nn.Dropout(0.2), nn.Linear(768, 1))
head.load_state_dict(torch.load("head_weights.pt", map_location="cpu",
                       weights_only=True))


def score(reference, response):
    text = f"{reference} [SEP] {response}"
    enc = tokenizer(text, return_tensors="pt", truncation=True, max_length=512)
    with torch.no_grad():
        out = encoder(**enc)
        pooled = meanmax_pool(out.last_hidden_state, enc["attention_mask"])
        return max(0.0, min(1.0, head(pooled).item()))


print(score("Attention is all you need.", "You do not need attention."))
# → 0.75-0.85

Benchmark Scores

Model compared against RewardBert (149M params) and Word F1 across 4 datasets:

DatasetDescriptionOursRewardBertWord F1
paperbd/paper_answers_rewardPaper instruction Q&A, n=1,7800.680.44—
sft_v2 100-pt evalNarrow quality eval, n=1000.700.440.81
Answer equivalenceBinary same-meaning, n=4,4460.930.860.89
Confound resistanceFactually wrong, high overlap (low is better)6% fooled53%78%

Spearman correlation vs human judge. Confound = % of factually-wrong responses scored >0.7 (ROC-AUC for answer equivalence).

One-Word Swap Detection (150 real test-split references)

How well the model detects a single word change that flips meaning, while ignoring meaning-preserving swaps:

PerturbationScore DropNoticed
Antonym swap+0.31581%
Negation flip+0.36685%
Number swap+0.31576%
Random word (untrained)+0.15041%
Synonym swap (control)-0.0043% ✓

A swap is "noticed" when score drops >0.15 vs the exact-match score for the same reference. The model discriminates which word changed — synonym swaps cause zero drop while meaning-flips are strongly penalized.

Architecture

  • Base: sentence-transformers/all-MiniLM-L6-v2 (22M params)
  • Head: Dropout(0.2) → Linear(768, 1) — no sigmoid, raw score in [0,1]
  • Pooling: mean+max concatenation (384 + 384 = 768-dim, preserves both semantic average and single-token signals)
  • Input: "{reference} [SEP] {response}"
  • Training: ~38K records, last 5 encoder layers unfrozen (8.87M trainable params), MSE loss

Training Data

paperbd/paper_answers_reward — ~6K scored response pairs from research paper Q&A tasks, augmented with:

  • Confound training: Factually wrong responses with high word overlap (scored 3.0 on 1-5 scale)
  • Preference distillation: Worst-ranked responses from LLM judge comparisons (scored 1.0)
  • Contrastive minimal-edit augmentation: One-word synonym/filler swaps (keeps meaning, score 4.5) vs antonym/negation/number swaps (flips meaning, score 3.0) — teaches the model to attend to which word changed, not just edit distance
  • Cross-domain: 10K Feedback-Collection + 9K answer equivalence + 5.7K STS-B sentence similarity examples

Limitations

  • Best on research/Q&A text, weaker on creative/conversational
  • Requires a reference answer; not a standalone quality scorer
  • Underscores systematically (mean ~0.37 vs target ~0.50) — ranking is good, calibration may need bias correction
  • Some one-word factual swaps still go undetected (e.g., untrained vocabulary words noticed 41% of the time), though trained swap types (antonyms, negations, numbers) are caught 76-85% of the time

License

MIT

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры
BertModel
Ревизия весов
e1928b7

0 моделей