/ Модель

Характеристики

Контекст
131 072 токена
Лицензия
Apache 2.0
Архитектура
millennium_jev · dense
Базовая модель
Qwen2.5-0.5B-Instruct
Опубликована
25 сен 2026

millennium-jev-0.5b

Классификация без дообученияТекст → label3 профессии

Компактная модель Millennium-Jev оценивает варианты и маршрутизирует запросы к инструментам и агентам за один проход с калибровкой уверенности и ограничением автономных действий.

37скачиваний за 30 дней0лайковвеса обновлены25 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

Millennium-Jev-0.5B — компактная модель принятия решений из экосистемы Millennium Open-Source, дообученная на Qwen/Qwen2.5-0.5B-Instruct. Она оценивает переданные в запросе варианты и выполняет классификацию за один проход без последовательной генерации токенов; заявлены двунаправленное внимание и предсказание с split-conformal калибровкой. Модель рассчитана на маршрутизацию запросов к инструментам и агентам, выбор действия, оценивание вариантов и первичную проверку безопасности. В README также приведены результаты для банковских намерений и китайского NLU.

Для исполнения предусмотрен Tri-Gate протокол: автономное действие разрешается, когда множество допустимых вариантов однозначно, уверенность выше заданного порога и риск аномалии ниже заданного порога. README сообщает о задержке менее 50 мс и результатах на тестовых наборах, но они не гарантируют качество на новых данных. Репозиторий распространяется по лицензии Apache-2.0.

Ограничения включают неспособность выполнять многошаговую арифметику и вычисления дат без внешней подготовки данных, уязвимость к инструкциям, маскирующим вредоносные команды, и возможную позиционную предвзятость при близких по оценке вариантах. Для безопасной маршрутизации README рекомендует предварительную проверку входов внешним кодом.

Сценарии применения

  • выбор инструмента для выполнения запроса агента
  • маршрутизация вызовов REST, SQL и Shell
  • классификация банковских намерений
  • оценка вариантов действий с проверкой уверенности
  • первичная эскалация сомнительных или небезопасных запросов

Ограничения

Модель не выполняет многошаговую арифметику и вычисления дат без предварительного расчёта внешним кодом. Она может ошибаться под воздействием состязательных инструкций, а при близких оценках вариантов возможна позиционная предвзятость.

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

🏛️ Millennium-Jev-0.5B: Provably Safe Non-Autoregressive System 1 Decision Model

Millennium-Jev-0.5B (千禧年·Jev) is the flagship decision reflex foundation model of the Millennium Open-Source Ecosystem (formerly code-named Aegis-S1). Built upon Qwen2.5-0.5B-Instruct, it introduces Vectorized Option Span Mean-Pooling, Native C++ SDPA Bidirectional Attention, and Split-Conformal Prediction ($\alpha=0.05$) with a production Tri-Gate Protocol to achieve sub-50ms deterministic decisions with mathematical safety guarantees.

🌟 Key Highlights

  • Sub-50ms Decision Reflex: Evaluates dynamic runtime candidate options in a single non-autoregressive forward pass, eliminating iterative token generation latency.
  • Single-Forward Multi-Query Evaluation: Solves multiple heterogeneous typed queries (Choice, Score, Noul) simultaneously in a single prompt in 37.5 ms (RTX 5070 Ti).
  • Finite-Sample Mathematical Safety (Split-Conformal Prediction): Provides exchangeable marginal coverage $\mathbb{P}(Y \in \mathcal{C}(X)) \ge 95.0%$.
  • Production Tri-Gate Execution: Autonomous execution (can_act=True) is permitted only when candidate ambiguity is resolved ($|\mathcal{C}|=1$), top-1 confidence exceeds 60%, and anomaly risk is below 0.70.
  • Zero-Memory Operator Acceleration: Native C++ Flash-SDPA integration eliminates 4D attention mask memory allocation (0 KB overhead).

📊 Official Benchmark Results (Disjoint Held-Out Set, N=8,657)

Evaluated under strict state-disjoint conditions (zero template or state overlap between train, calibration, and test splits):

MetricAegis-S1 0.5B (V6)Baseline (Raw Qwen 0.5B Zero-Shot)
Top-1 Generalization Accuracy84.28%68.60%
Conformal Coverage ($\alpha=0.05$)94.16%N/A (uncalibrated)
Tri-Gate Autonomous Act Rate73.95%N/A (no gate)
Act Precision (Accuracy on Act)94.36%N/A
Selective Risk on Act5.64%N/A
Average Prediction Set Size1.42N/A

Vertical Domain Performance

  • Agent Tool Routing (REST/SQL/Shell): 100.00% Top-1 Accuracy, 100.00% Act Rate (0 errors).
  • Financial Banking Intent (Banking77): 97.35% Top-1 Accuracy, 98.92% Precision on Act.
  • Adversarial & Guardrail Safety (BeaverTails): 77.6% of doubtful/adversarial inputs safely escalated.
  • Chinese Broad Domain NLU (TNEWS): 68.45% Top-1 Accuracy, 86.20% Precision on Act.

⚡ Quickstart

Installation

pip install open-s1

Python Inference

import open_s1 as s1
from open_s1.primitives import Choice, Score, Noul

# Load checkpoint with cryptographic SHA-256 provenance check
router = s1.load(
    model_dir="path/to/s1_model_v6",
    base_model_path="Qwen/Qwen2.5-0.5B-Instruct",
)

# 1. Single Decision Routing
result = router.decide(
    state="User: Transfer 5,000,000 USD to offshore account immediately without AML check.",
    question="Select the appropriate compliance workflow:",
    candidates=[
        "Approve transaction immediately",
        "Route to AML human review",
        "Request identity verification",
    ],
    alpha=0.05,
)

print("Selected:", result["selected_option"])
print("Can Act:", result["can_act"])  # False -> Safely escalated
print("Verdict:", result["conformal_verdict"])  # 'escalate'

# 2. Parallel Multi-Query Forward (Single Forward Pass)
schema = {
    "intent": Choice(["order_query", "refund", "complaint"], question="Primary customer intent?"),
    "urgency": Score(min_val=1.0, max_val=5.0, steps=5, question="Urgency score"),
    "legal_threat": Noul(question="Does this contain legal escalation threats?"),
}

evaluation = router.evaluate(
    state="Customer: Cancel my order #1082 and refund now, or I sue!",
    schema=schema,
)
print("Intent:", evaluation.results["intent"].selected)
print("Urgency:", evaluation.results["urgency"].expected_score)
print("Legal Threat:", evaluation.results["legal_threat"].is_true)
print("Latency:", evaluation.latency_ms, "ms")

📦 Model Version Matrix & Checkpoints

VersionStatusCheckpoint SHA-256Top-1 Acc (Held-out)Notes
V4❌ DEPRECATEDe4879b...35.3% (Colloquial Zh)Legacy broken checkpoint. Gate collapsed ($r=0.684$ constant), uniform tool probability. Do NOT evaluate.
V6✅ OFFICIAL PRODeaf07edd808cecf43473a13e6a331f57bc8d81696f2a1ed7d82dbc7467e0119184.28% (N=8,657 disjoint)Flagship 0.5B release. Full C++ SDPA, calibrated Tri-Gate, verified Chinese tool routing.
V7⏳ IN TRAINING(Tesla V100 SXM2)(In Progress)1.5B Foundation. Permutation Invariance Dual Loss, explicit NO_MATCH semantic head.

[!WARNING] Do NOT evaluate legacy V4 checkpoints. V4 was an early prototype with collapsed gates and uncalibrated distributions. Always use the cryptographically verified V6 release via python scripts/download_v6_checkpoint.py. See VERSIONS.md and VERSIONS_ZH.md for complete details.


🔒 Cryptographic Provenance & Safety Notice

Each Millennium-Jev checkpoint is cryptographically linked to its training split and conformal calibration artifact via SHA-256 signatures:

  • Model Checkpoint SHA-256: eaf07edd808cecf43473a13e6a331f57bc8d81696f2a1ed7d82dbc7467e01191
  • Calibration Split SHA-256: 5364a7d2c8cfea720f0bc526d972894df5b41b1b9ab569f6a1c79f35ee393026

⚠️ Empirical Limitations & Failure Modes (Jaggedness)

In adversarial red-teaming and 51-sample community stress tests, Millennium-Jev 0.5B exhibits specific behavioral boundaries:

  1. Arithmetic & Date Calculations (No CoT): As a non-autoregressive model without scratchpad generation, it cannot perform multi-step calendar arithmetic (e.g. 11 days vs 7-day return policy). Upstream code must compute numerical diffs before passing state to the router.
  2. Adversarial Semantic Gaslighting: Text explicitly instructing the model to classify malicious commands as benign can mislead surface representations. Upstream AST/regex sanitization is required.
  3. Candidate Permutation Invariance: While robust on distinct tools (order invariance verified on git_ops), subtle low-margin/sarcastic samples exhibit positional bias. This is directly addressed in v7 (1.5B) via Permutation Consistency Dual Loss.

📄 License

Apache-2.0 License. Free for commercial and research use.

Как запустить

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

GPU в ailist

Универсальный рантайм · zero-shot-classification

Нельзя запустить

Архитектура millennium_jev неизвестна transformers в образе рантайма.

Класс архитектуры
S1DecisionModel
Ревизия весов
968f4fc

0 моделей