/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
14,1 млрд
Размер весов
29,3 ГБ
Лицензия
MIT
Архитектура
phi3 · dense
Базовая модель
Phi-4-reasoning
Опубликована
20 июн 2026

Supervisor-FRPT-Phi-4-reasoning

Генерация текстаТекст → текст3 профессии

LoRA-модель на базе Phi-4-reasoning оценивает по справочному документу корректность и полноту ответов чат-бота поддержки электроники.

11скачиваний за 30 дней0лайковвеса обновлены20 июн 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

Supervisor-FRPT-Phi-4-reasoning — LoRA-дообученная модель для оценки качества диалогов чат-бота службы поддержки электроники. Разработчик не назван. На вход подаются категория, многоходовый диалог пользователя с ассистентом и найденный справочный документ; модель формирует на корейском языке оценку по трём критериям — соответствие запроса документу, согласованность ответа с документом и полнота ответа — и выдаёт вердикт correct или incorrect с объяснением в JSON.

Модель основана на Microsoft Phi-4-reasoning, использует архитектуру Phi-3 и содержит 14,1 млрд параметров. Контекст — до 32 768 токенов; формат весов — safetensors. README сообщает о дообучении LoRA на 3 771 размеченном диалоге и тестировании на 199 диалогах: точность 0,593, Macro-F1 0,574, F1 класса correct 0,484. Лицензия — MIT. Эти тестовые показатели указывают на ограниченную надёжность классификации, поэтому результаты следует проверять, особенно для класса correct.

Сценарии применения

  • Проверка ответов чат-бота поддержки электроники по найденной документации
  • Оценка соответствия ответа пользователя заданному вопросу и справочному документу
  • Выявление неполных или противоречащих документации ответов
  • Формирование объяснимой оценки качества диалогов поддержки

Ограничения

На тесте из 199 диалогов точность составила 0,593, Macro-F1 — 0,574, а F1 класса correct — 0,484; результаты требуют проверки человеком. Обучающие данные включали существенно больше примеров incorrect, чем correct, что может влиять на оценку редкого класса correct.

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

Supervisor-FRPT — Supervisor-FRPT-Phi-4-reasoning

This model is a LoRA-fine-tuned supervisor (CS quality evaluator) for electronics customer-support chatbot conversations. It was trained on 20260331_HumanFeedBack_selfdist.jsonl (3,771 human-labelled dialogues) with the FRPT ("Fact-Reasoning Process Training") research training methodology applied to a lora_sequential LoRA recipe.

The job of this model: given (category, multi-turn user/assistant transcript, retrieved reference document), produce a Korean <think>...</think> rubric chain and a JSON verdict {"label": "correct|incorrect", "reason": "..."}.

Test metrics (held-out 199 dialogues)

MetricValue
Accuracy0.593
Macro-F10.574
F1 (correct)0.484
F1 (incorrect)0.664
Unparsed0/199

Training methodology — research highlights

The training methodology bundles two layers:

  1. Base LoRA recipe — lora_sequential with rank 16, alpha 32, dropout 0.05, target modules qkv_proj, o_proj, down_proj, gate_up_proj (Phi-3 family) or the q/k/v/o/MLP equivalents for Gemma-4. Optimizer AdamW, cosine schedule, warmup ratio 0.05, grad clip 1.0, BF16, SDPA attention.

  2. FRPT-aware data shaping (Fact-grounded Reasoning Process Training):

    • Process-supervision view — the assistant turn already exposes a 3-axis rubric (Query-Document Alignment, Response-Document Consistency, Response Completeness) inside <think>...</think>. We train the entire assistant response, so the model learns the reasoning process, not just the verdict.
    • Fact-grounded SFT — loss is masked on user/system tokens; only the assistant span (think + JSON) contributes to gradient. This forces the model to learn how to evaluate, not what the user said.
    • Class-imbalance aware — incorrect : correct = 2616 : 1155 (~2.3:1) in train. We monitor F1-correct (the minority class) as the primary model-selection signal.
    • (Sequential variant) — lora_sequential groups the 33 product categories into 5 buckets (DRW, TV, SBS, REF_AUD_MNT, OTHERS) and trains them in order, exposing the model to per-category structure while sharing one adapter across the curriculum.

Hyperparameters of the final run

FieldValue
Base modelmicrosoft/Phi-4-reasoning
Methodlora_sequential
LoRA rank16
LoRA alpha32
LoRA dropout0.05
Learning rate0.0005
Epochs1
Seed0
Train samples3,771
Test samples199
Max sequence length3072

Quick inference

from transformers import AutoModelForCausalLM, AutoTokenizer
import torch

mid = "shareit/Supervisor-FRPT-Phi-4-reasoning"
tok = AutoTokenizer.from_pretrained(mid, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(mid, dtype=torch.bfloat16,
                                            device_map="auto",
                                            trust_remote_code=True)

system = "당신은 전자제품 CS 챗봇의 품질을 평가하는 수퍼바이저입니다."
user = ("[Category] PC\n\n[Conversation Transcript]\n"
        "Turn 1 - User: ...\nTurn 1 - Assistant: ...\n\n"
        "[Retrieved Document]\n(title) ...\n(content) ...")

msgs = [{"role": "system", "content": system},
        {"role": "user", "content": user}]
inp = tok.apply_chat_template(msgs, tokenize=True, add_generation_prompt=True,
                              return_tensors="pt").to(model.device)
out = model.generate(inp, max_new_tokens=900, do_sample=False)
print(tok.decode(out[0, inp.shape[1]:], skip_special_tokens=True))

The generated text follows:

<think>
[Query-Document Alignment] ...
[Response-Document Consistency] ...
[Response Completeness] ...
</think>
{"label": "correct", "reason": "..."}

Citation / theory

This model embodies the FRPT (Fact-Reasoning Process Training) research program. Key references that inform the methodology:

  • Gekhman et al. 2024 — fine-tuning new facts can encourage hallucination.
  • Lightman et al. 2023 — Let's Verify Step by Step (process supervision).
  • Hu et al. 2021 — LoRA.
  • Dettmers et al. 2023 — QLoRA.
  • LoRA Learns Less and Forgets Less (Biderman et al.) — PEFT/FullFT tradeoffs.

For the merge-before-forget continual-learning theory that motivated the sequential variant, see the internal Session 1~4 reports.

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Phi3ForCausalLM
Ревизия весов
b24482e

0 моделей