/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
9,3 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3_5 · dense
Базовая модель
Qwen3.5-4B
Библиотека
transformers
Опубликована
19 сен 2026

jeb-4b

Классификация текстаТекст → label13 профессий

Дообученная модель на базе Qwen3.5-4B, которая классифицирует текст и выдаёт калиброванные вероятности для заданных вариантов ответа.

233скачиваний за 30 дней0лайковвеса обновлены20 сен 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

JEB-4B — дообученная szybkie.ai модель принятия решений на базе плотной Qwen3.5-4B, предназначенная для классификации и выдачи вероятностей по заданным вариантам ответа. Вместо генерации текста она за один проход оценивает типизированные вопросы о состоянии или тексте: даёт ответ «да/нет», выбирает вариант или выставляет оценку по шкале. Несколько вопросов к одному состоянию обрабатываются параллельно с общим префиксом.

Модель дообучена с целевой функцией для принятия решений: ограниченный softmax по токенам ответов обучался на мягких метках, полученных от учителя с 176 млрд параметров. Это помогает выдавать более калиброванные вероятности; в карточке приведены результаты на тестах классификации AG News, SST-2 и TREC. Модель принимает текст и выдаёт распределение вероятностей по предложенным вариантам. Заявленные языки — английский и польский; базовая Qwen3.5 также обладает мультимодальными возможностями, но README описывает сценарии JEB-4B как текстовые.

Модель подходит для классификации, маршрутизации запросов и извлечения типизированных суждений в программных системах. Калибровка проверена на ограниченном наборе оценивания и может ухудшиться на других данных; перед использованием нужны проверка на целевом распределении и настройка порогов. Модель не предназначена для медицинских, юридических, финансовых или критичных для безопасности решений без независимой проверки и участия человека. Весы выпущены под Apache-2.0; код JEB — под MIT.

Сценарии применения

  • классификация новостных текстов по темам
  • определение тональности отзывов
  • маршрутизация обращений по заданным категориям
  • проверка утверждений по тексту на соответствие или противоречие
  • извлечение ответов на типизированные вопросы по документу

Ограничения

Калибровка проверена на ограниченном наборе оценивания и может не переноситься на другие распределения данных; для целевого применения следует отдельно измерить калибровку и настроить пороги. Модель не следует использовать для медицинских, юридических, финансовых решений или решений, критичных для безопасности, без независимой проверки и участия человека.

Для каких профессий подходит13

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

JEB-4B

Research model, no warranty. JEB-4B is a decision model: it answers typed questions about a state (yes/no, a choice among options, a score on a scale) with calibrated probabilities from a single forward pass, without generating text. All questions of a request share the state's prefix and are scored in parallel. It is served through JEB, an open server with a System One-compatible API.

Fine-tuned from Qwen/Qwen3.5-4B by szybkie.ai with a decision objective: a restricted softmax over the answer tokens is trained toward soft targets distilled from a 176B-parameter teacher, so the model learns to get the probabilities right, not only the argmax. This is the small member of the family: a dense 4B model that serves in FP8 on one consumer GPU (about 5 GB of weights). Its bigger sibling, JEB-35B-A3B, is trained on the same data and is stronger on knowledge-bound questions; the table shows both.

Numbers (round 3, 2026-09-20)

Accuracy on held-out public sets (validation/test splits, never trained on), raw probabilities (no post-hoc calibration); ECE in parentheses where available. Full tables, reliability diagrams and the Doom/Atari transfer results are in the technical report.

setnbase Qwen3.5-4BJEB-4BJEB-35B-A3BJev (hosted)
AG News3000.857 (0.105)0.917 (0.043)0.913 (0.019)0.863 (0.095)
SST-23000.933 (0.050)0.953 (0.021)0.960 (0.009)0.957 (0.102)
TREC3000.773 (0.100)0.963 (0.021)0.973 (0.026)0.933 (0.025)
BoolQ3000.847 (0.044)0.887 (0.031)0.920 (0.030)0.917 (0.022)
CLINC150 (20 options)4000.960 (0.017)0.960 (0.038)0.980 (0.029)0.973 (0.012)
QNLI3000.843 (0.053)0.883 (0.015)0.920 (0.037)0.930 (0.044)
RTE2770.841 (0.064)0.892 (0.023)0.903 (0.022)0.913 (0.042)
IMDB3000.947 (0.018)0.950 (0.033)0.957 (0.022)0.970 (0.049)
DBpedia3000.987 (0.017)0.980 (0.036)0.973 (0.030)0.983 (0.015)
ARC-Easy3000.980 (0.030)0.967 (0.023)0.987 (0.017)0.993 (0.007)
MMLU5000.730 (0.052)0.706 (0.049)0.838 (0.034)0.920 (0.026)
blackjack (basic strategy)3000.577 (0.050)0.543 (0.055)0.713 (0.096)0.837 (0.125)
tic-tac-toe (minimax)3000.390 (0.067)0.393 (0.071)0.383 (0.054)0.427 (0.065)
document retrieval3000.897 (0.023)0.947 (0.018)0.953 (0.014)0.910 (0.046)
claim vs passage1720.866 (0.065)0.988 (0.015)0.988 (0.017)0.977 (0.028)
document MCQ (Polish)1291.000 (0.018)0.992 (0.011)1.000 (0.007)1.000 (0.003)
document MCQ (Polish, medical)330.970 (0.028)0.970 (0.024)1.000 (0.019)1.000 (0.001)
document MCQ (English, medical)81.000 (0.033)1.000 (0.012)1.000 (0.006)1.000 (0.000)
MedQA (USMLE)3000.683 (0.067)0.643 (0.092)0.897 (0.071)0.843 (0.050)
differential (6-8 candidates + none)3000.480 (0.257)0.460 (0.093)0.637 (0.058)0.537 (0.213)
all 5,419 items0.804 (0.038)0.825 (0.007)0.878 (0.008)0.880 (0.014)

Run it

pip install git+https://github.com/szybkie-ai/jeb
vllm serve szybkie-ai/jeb-4b --served-model-name jeb-base --quantization fp8 --max-logprobs 32 --port 8021
jeb serve --engine vllm-http --engine-url http://127.0.0.1:8021 --engine-model jeb-base --tokenizer szybkie-ai/jeb-4b
curl localhost:8020/v1/systemone -H 'Content-Type: application/json' -d '{"state": "I was charged twice for order A-104.",
  "model": "jeb-latest", "questions": {"refund": {"type": "noul", "instructions": "Does the customer ask for a refund?"}}}'

Or docker compose up in the JEB repository (vLLM + server).

Intended use and limitations

JEB is a research model, published so that the method, the weights and the numbers can be examined and built upon. It is not a product and comes with no warranty or support. Intended use: classification, routing, extraction of typed judgements, and any decision inside software where a probability is more useful than a sentence; the output is a distribution over the options you give it, and it does not generate text.

Probabilities are calibrated on the evaluation mix above; on other distributions, measure calibration on your own data and set your own thresholds before relying on it. The medical rows in the training and evaluation mix exist to study calibration on hard multi-option decisions; the model must not be used for medical, legal, financial or safety decisions without independent validation and human review. Knowledge is that of the base model: the fine-tune changes how the model decides and how honest its probabilities are, not what it knows.

Training

Base Qwen/Qwen3.5-4B; LoRA on all linear projections of all 32 layers; one epoch of ~42.5k rows; teacher-labelled soft targets ("mix": half gold one-hot, half teacher distribution); cosine schedule. Data: public classification and entailment sets, knowledge MCQ (ARC, OpenBookQA, SciQ, CommonsenseQA, MMLU auxiliary train); document question answering over Polish and English passages (multiple choice with gold, claim verification, passage retrieval); medical exam-style questions (MedQA) and differential-diagnosis cases built from published case reports, used for research on calibration only.

License: Apache-2.0 (weights), MIT (code). Made by szybkie.ai.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3_5ForConditionalGeneration
Ревизия весов
e003185

0 моделей