/ Модель

Характеристики

Контекст
512 токенов
Параметры
77,5 млн
Лицензия
Apache 2.0
Архитектура
deberta-v2 · dense
Базовая модель
deberta-v3-xsmall-zeroshot-v1.1-all-33
Библиотека
transformers
Опубликована
19 сен 2026

system-one-gold

Классификация текстаТекст → label3 профессии

Компактный классификатор на базе DeBERTa-v3-xsmall для маршрутизации запросов и принятия типизированных решений по тексту за один проход.

73скачиваний за 30 дней0лайковвеса обновлены19 сен 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

System One (gold) — компактная модель-кросс-энкодер на базе DeBERTa-v3-xsmall, разработанная автором репозитория shreyanbr. Она классифицирует текст по заданным типизированным вопросам и меткам, включая выбор варианта, оценку и решение о маршрутизации, за один проход без генерации токенов. Модель рассчитана на маршрутизацию запросов, классификацию и проверку условий в программных системах, где не требуется авторегрессионная генерация. Размер по README — 70,8 млн параметров; метаданные указывают 77,5 млн. Контекст — до 512 токенов. Используются веса safetensors и библиотека Transformers; лицензия репозитория — Apache-2.0.

На тестовых разбиениях приведены результаты по отдельным вопросам: точность для intent — 0,676, для tool — 0,944, для needs_tool — 0,694; README предупреждает, что некоторые вопросы показывают результат на уровне или ниже простого предиктора большинства. Для корректной калибровки необходим файл calibration.json: необработанные оценки не являются вероятностями. Дообучение использовало метки исходных датасетов; строка banking77 загрязнена данными базовой модели, а triage-разметка на датасете tickets с лицензией CC-BY-NC-4.0 не предназначена для коммерческого применения. Оценка основана на одном запуске и одном seed.

Сценарии применения

  • определение намерения пользователя для маршрутизации запроса
  • выбор подходящего инструмента для обработки запроса
  • решение, требуется ли вызов инструмента
  • классификация обращений в службу поддержки
  • оценка приоритета заявки для очереди обработки

Ограничения

Показатели различаются по вопросам: некоторые результаты находятся на уровне или ниже предиктора большинства, а triage.priority описан как труднообучаемый. Для калиброванных оценок необходим calibration.json; triage-надзор на данных tickets с лицензией CC-BY-NC-4.0 не предназначен для коммерческого использования.

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

System One (gold)

A 70.8M-parameter DeBERTa-v3-xsmall cross-encoder that answers typed decision questions, Choice, Score and Noul, in one batched forward pass with zero generated tokens. It implements the TypeSafe Jev POST /v1/systemone schema and is meant for the routing, classification and gating decisions inside software that do not need an autoregressive model.

Supervision for this checkpoint: Each dataset's own labels over 4,000 training items per task.

Accuracy on the 500-item test splits

questionaccuracymajority floor
intent0.6760.010
tool0.9440.306
needs_tool0.6940.694
priority0.4640.464
type0.7600.374
is_incident0.8040.626

Read these next to the floor column, not on their own. Two of the six questions are at or below a constant predictor for every system measured, Claude Haiku 4.5 included, and that is a finding about the labels rather than about any model. The repository documents a retraction of one of our own earlier headline numbers for the same reason.

Use

from systemone.engine import SystemOneEngine
from systemone.schema import SystemOneRequest

engine = SystemOneEngine('shreyanbr/system-one-gold')
request = SystemOneRequest.model_validate({
    'state': {'message': 'my card still has not arrived'},
    'questions': {'intent': {'type': 'choice', 'instructions': 'What does the customer want?',
                             'criteria': {'card_arrival': 'a card that has not arrived',
                                          'refund': 'a refund request'}}},
})
print(engine.answer(request).answers['intent'])

calibration.json ships alongside the weights and is required: the raw margins are not probabilities, and the engine reads a per-question temperature and a Platt scaler from it.

Caveats worth reading before you trust a number

  • The base checkpoint was trained on banking77, so that row is contaminated. banking77 also has a published label-error rate near 14%, capping achievable accuracy around 0.86.
  • triage.priority is close to unlearnable on this data. Every backend sits at or below the floor.
  • The tickets dataset is CC-BY-NC-4.0, so the triage supervision is not for commercial use.
  • Single seed, single run. Intervals are bootstrap over test items, not over training seeds.

Source, benchmark harness and the full limitations section: https://github.com/shreyanbr/jev-haiku-benchmarking

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
DebertaV2ForSequenceClassification
Ревизия весов
93e22fc

0 моделей