jeff-adapter-section-id

LoRA-адаптер от mstrasser к jeff-base v1.4 — маленькой открытой decision-модели Jeff, которая является fine-tune Qwen3.5-0.8B. Адаптер определяет, к какому типу раздела документа относится фрагмент, по списку типов и описаний от вызывающей стороны. Вместо генерации текста он за один forward pass возвращает калиброванную вероятность для каждого варианта.

🔥 Ключевые особенности

• ✅ LoRA-адаптер к jeff-base v1.4; загружается только на эту ревизию базы.
• 🦾 Классифицирует passage по меткам, которые задаёт вызывающая сторона, — до 11 вариантов плюс none, если ни один тип не подходит.
• 🔥 Один forward pass даёт вероятность для всех вариантов, без генерации и парсинга текста.
• 🤝 Есть Python SDK: локальный режим и удалённый вызов через Jeff API.
• ⬇ Веса можно скачать отдельно через hf download.

✨ Пример

import jeff

client = jeff.Jeff.local(["section-id"])
decide = client.function("jeff.retrieval.section-id.section", context={
    "document": "An installation services agreement between a home energy installer and a housing developer.",
}, labels={"termination": "How and when either party may end the agreement", "none": "None of these sections"})
decision = decide("Either party may end this agreement on 60 days' written notice.")
print(decision.value, decision.confidence)

Подробнее

Бенчмарки: CUAD — 90.9% accuracy на 1 168 строках; in-house test — 99.8% на 2 000 строках; unseen domains — 99.6% на 2 000 строках.
Калибровка для section: порог 0.533, precision 99.8%, coverage 100.0% на 2 000 строках.
Ограничение: в CUAD оставили только строки, где LLM согласилась с меткой, — самые сложные реальные пассажи убраны.
Адаптер обучен 2026-10-25; лицензия Apache-2.0, базовые веса — fine-tune Qwen3.5-0.8B.