/ Модель

Характеристики

Контекст
40 960 токенов
Параметры
7,6 млрд
Размер весов
32,8 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
Qwen3-8B
Опубликована
13 мая 2026

veritas-8B-fact-checker-non-thinking-1.0

Генерация текстаТекст → текст7 профессий

Дообученная на Qwen3-8B модель для бинарной проверки фактической согласованности текста и фактчекинга.

61скачиваний за 30 дней11лайковвеса обновлены21 мая 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 «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

Veritas-8B-Fact-Checker-Non-Thinking-1.0 — модель Resect Research Labs для проверки фактической согласованности и фактчекинга. Она дообучена на базе Qwen/Qwen3-8B и предназначена для выдачи бинарной классификации в заданном шаблоне проверки утверждений и ответов.

Модель использует плотную архитектуру Qwen3ForCausalLM, содержит 7,6 млрд параметров и поддерживает контекст до 40 960 токенов. Карточка сообщает об оценке 75,47% на агрегированном бенчмарке LLM-AggreFact и приросте 2,3% относительно Qwen3-8B в режиме non-thinking; результаты могут зависеть от аппаратуры и версии vLLM.

Модель рассчитана строго на предписанный режим оценки с бинарным выводом. Отклонение от заданного шаблона может привести к неожиданным результатам. Лицензия — Apache-2.0.

Сценарии применения

  • проверка фактической согласованности ответа с источником
  • бинарная оценка достоверности утверждения
  • фактчекинг ответов, созданных языковой моделью
  • проверка фактической опоры ответов в RAG-системе

Ограничения

Предназначена только для бинарного оценивания в предписанном шаблоне; при отклонении от этого режима возможны неожиданные результаты. Показатели бенчмарка могут немного меняться в зависимости от оборудования и версии vLLM.

Для каких профессий подходит7

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

About Resect Research Labs

  • Resect Research Labs focuses on improving factual grounding as well as detecting, reducing, and mitigating hallucinations in AI models through proprietary reinforcement learning and novel fine-tuning techniques.

Introducing: Veritas-8B-Fact-Checker-Non-Thinking-1.0

  • Veritas-8B-Fact-Checker-Non-Thinking-1.0 is built on the Qwen3 architecture, starting from (Qwen/Qwen3-8B). Resect Research Labs has specialized, finetuned, and optimized this model for fact-checking and factual consistency verification.

Model Performance

  • The performance of this model is evaluated on LLM-AggreFact (unseen by this model during training), the benchmark is an aggregation of 11 human annotated datasets on fact-checking and grounding.

Overall Performance

  • Veritas-8B-Fact-Checker-Non-Thinking-1.0 achieves an average score of 75.47%, an improvement of 2.3% above Qwen3-8B in non-thinking mode.

Benchmark Details (LLM-AggreFact)

Balanced Accuracy Scores

ModelSizeAvgCNNXSumMediaSMeetBWiCEREVEALClaim VerifyFact CheckExpert QALFQARAG Truth
Qwen3-8B (non-thinking)8B73.1766.3071.2569.0577.5076.1684.8167.7177.3957.1480.6276.91
Veritas-8B-Fact-Checker-Non-Thinking-1.08B75.4768.8474.3371.8376.4479.0686.9472.4076.7558.1284.1481.30

The benchmarks noted here for Veritas-0.6B-Fact-Checker-Non-Thinking-1.0 were performed on the test set and a PR has been submitted to Minicheck's Library (Pull Request) to support additional operating modes including this model. Note: Performance may vary slightly depending on hardware configuration and vLLM version


Model Usage

Scope of Use

  • Veritas-8B-Fact-Checker-Non-Thinking model must only be used strictly for the prescribed scoring mode, which generates a binary classification based on the specified template. Any deviation from this intended use may lead to unexpected outputs.

Using Minicheck's library 1

Requires the changes from our Pull Request to be merged, see 1

Please run the following command to install the MiniCheck package and all necessary dependencies.

pip install "minicheck[llm] @ git+https://github.com/Liyan06/MiniCheck.git@main"

Below is a simple use case

from minicheck.minicheck import MiniCheck
import os
os.environ["CUDA_VISIBLE_DEVICES"] = "0"

doc = "A group of students gather in the school library to study for their upcoming final exams."
claim_1 = "The students are preparing for an examination."
claim_2 = "The students are on vacation."

chat_kwargs = {'enable_thinking': False}

scorer = MiniCheck(model_name='resect-ai/veritas-8B-fact-checker-non-thinking-1.0', enable_prefix_caching=False, extra_chat_template_kwargs=chat_kwargs, operating_mode="bespoke", max_new_tokens=1, cache_dir='./ckpts', bypass_model_check=True)
pred_label, raw_prob, _, _ = scorer.score(docs=[doc, doc], claims=[claim_1, claim_2]) # can set `chunk_size=your-specified-value` here, default to 32K chunk size. 

print(pred_label) # [1, 0]
print(raw_prob)   # [0.9465315396494047, 0.008577206810662688]

Test on LLM-AggreFact Benchmark 1

import pandas as pd
from datasets import load_dataset
from minicheck.minicheck import MiniCheck
import os
os.environ["CUDA_VISIBLE_DEVICES"] = "0"

# load 30K test data
df = pd.DataFrame(load_dataset("lytang/LLM-AggreFact")['test'])
docs = df.doc.values
claims = df.claim.values

chat_kwargs = {'enable_thinking': False}

scorer = MiniCheck(model_name='resect-ai/veritas-8B-fact-checker-non-thinking-1.0', enable_prefix_caching=False, extra_chat_template_kwargs=chat_kwargs, operating_mode="bespoke", max_new_tokens=1, cache_dir='./ckpts', bypass_model_check=True)
pred_label, raw_prob, _, _ = scorer.score(docs=docs, claims=claims)

To evaluate the result on the benchmark

from sklearn.metrics import balanced_accuracy_score

df['preds'] = pred_label
result_df = pd.DataFrame(columns=['Dataset', 'BAcc'])
for dataset in df.dataset.unique():
    sub_df = df[df.dataset == dataset]
    bacc = balanced_accuracy_score(sub_df.label, sub_df.preds) * 100
    result_df.loc[len(result_df)] = [dataset, bacc]

result_df.loc[len(result_df)] = ['Average', result_df.BAcc.mean()]
result_df.round(1)

License

Acknowledgements

Model perfected by Resect Research Labs.

Footnotes

  1. Pull Request to Minicheck's library submitted awaiting review ↩ ↩2 ↩3

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3ForCausalLM
Ревизия весов
033815c

0 моделей