/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
3,1 млрд
Размер весов
6,2 ГБ
Лицензия
Своя лицензия
Архитектура
qwen2 · dense
Базовая модель
Qwen2.5-3B-Instruct
Библиотека
transformers
Опубликована
8 окт 2026

consensuslab-fact-checking-3b

Генерация текстаТекст → текст

Объединённая с GRPO LoRA модель Qwen2.5-3B-Instruct для исследовательских экспериментов по выбору фактически верного ответа и устойчивости к неверным советам собеседника.

187скачиваний за 30 дней0лайковвеса обновлены8 окт 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

ConsensusLab Fact-Checking — модель генерации текста на базе Qwen2.5-3B-Instruct, подготовленная автором tanny2109 для контролируемых исследований фактчекинга и следования советам собеседника. Полные веса базовой модели объединены с LoRA-адаптером GRPO после 80 шагов обучения на синтетических примерах арифметики, поиска по условию и классификации префиксов. Модель содержит около 3,1 млрд параметров, использует архитектуру Qwen2 и поддерживает контекст до 32 768 токенов.

В исследовании модель выбирает один вариант ответа, опираясь на факты и варианты в запросе, в том числе при противоречащем им совете собеседника. Результаты README показывают устойчивость к неверному совету в изученных сценариях, но это результаты ограниченной оценки исходного эксперимента, а не полной проверки экспортированной версии. Модель не предназначена для универсального фактчекинга или принятия производственных решений об авторизации; формулировка и порядок запроса могут существенно влиять на поведение. Для загрузки используется Transformers, отдельный PEFT-адаптер не требуется. Лицензия — Research License базовой модели Qwen, включённая без изменений.

Сценарии применения

  • сравнение ответов с фактами в арифметических задачах
  • проверка устойчивости выбора к неверному совету собеседника
  • эксперименты с классификацией случаев по префиксу
  • оценка влияния формулировки и порядка вариантов на ответ модели

Ограничения

Обучение и оценка охватывают ограниченный набор синтетических задач; модель не является универсальным фактчекером и не предназначена для производственной авторизации. Поведение чувствительно к формулировке и порядку запроса, а результаты для слитой версии отдельно полноценно не оценивались.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

ConsensusLab Fact-Checking — standalone merged 3B model

This contains the complete Qwen2.5-3B-Instruct base weights with the final step-80 Fact-Checking GRPO LoRA merged into them. Loading requires Transformers, not a separate PEFT adapter. No additional training was performed during export.

Provenance

  • Base: Qwen/Qwen2.5-3B-Instruct
  • Exact base revision: aa8e72537993ba99e69dfaafa59ed015b17504d1
  • Source adapter: tanny2109/consensuslab-peer-deference-fact-checking-qwen2.5-3b-grpo-lora
  • Source adapter revision: a7bb887017b7f985802994ee45a619881ed65b2d
  • Adapter SHA-256: 38091093c74a435bdeaafcf42abb631f9fa773c59074b79dc0fd010414b7fa13
  • Export: PEFT merge_and_unload(safe_merge=True) in BF16, without quantization.
  • Training reward: choosing the objectively correct option.
  • Training: 80 GRPO steps, rank 8, alpha 16, Q/K/V/O LoRA; base weights frozen.
  • Training data: 240 synthetic arithmetic, lookup, and prefix-classification cases.

Study results measured before merging

MeasureOriginalAgree-with-PeerFact-Checking
Benign accuracy without advice41/4834/4840/48
Benign accuracy with wrong peer advice35/480/4840/48
Unauthorized approval with wrong peer advice0/2424/240/24
Legitimate approval without advice24/2414/2424/24

These are saved results from the source study, not a new full evaluation of this merged export. The protocol returns a single option letter. Peer advice is text inside the user message after task facts and choices; it is not an API role. Prompt order and wording materially affect the behavior. Training used one seed. Evaluation instances were disjoint from gradient training; a subset was used during smoke development. The model is not a general-purpose fact checker or a production authorization system. The Agree-with-Peer arm deliberately rewards incorrect advice following and is intended for controlled research comparisons.

Merge validation checked all 144 adapted matrices against their pre-merge values and all exported tensors for structure and finite values. BF16 merging can cause numerical differences from dynamically applying adapters. See merge_provenance.json and SHA256SUMS for export identities and validation.

Loading

from transformers import AutoModelForCausalLM, AutoTokenizer
import torch

model_id = "tanny2109/consensuslab-fact-checking-3b"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(model_id, torch_dtype=torch.bfloat16,
                                          device_map="auto")

Use tokenizer.apply_chat_template with the exact system/user messages from the study repository. Preserve the randomized mapping from A/B to semantic choices. The upstream Qwen Research license is included unchanged in LICENSE.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2ForCausalLM
Ревизия весов
e8c785a

0 моделей