Модель проверяет, соответствует ли сгенерированное нейросетью предложение (hypothesis) исходному тексту-источнику (premise). В основе лежит компактный cross-encoder (архитектура, которая одновременно анализирует оба текста через перекрёстное внимание) на базе cross-encoder/nli-deberta-v3-xsmall объёмом всего 70.83M параметров от автора Rabbit-Bull. Модель дообучена на датасете RAGTruth и работает на CPU без необходимости в видеокарте. Пригодится разработчикам RAG-систем и чат-ботов для быстрой фильтрации выдумок языковых моделей.
Ключевые особенности
Компактный размер: 70,829,571 параметров на архитектуре DebertaV2ForSequenceClassification, рассчитана на запуск на CPU.
Три класса оценки: распределяет утверждения на CONTRADICTED (противоречит тексту), SUPPORTED_PROXY (нет аннотированных галлюцинаций) и UNSUPPORTED (не хватает подтверждений в источнике).
Обучение на RAGTruth: дообучена на попредложной разметке популярного бенчмарка для проверки фактологической точности.
Что можно сделать
Встроить в RAG-пайплайн для автоматической проверки ответов LLM на соответствие найденным документам перед показом пользователю.
Использовать как лёгкий классификатор для фильтрации галлюцинаций при суммаризации текстов и генерации ответов на вопросы на английском языке.
Интегрировать в гибридную систему верификации VeriLLM в связке с калибровкой вероятностей и разбиением текста на отдельные утверждения.
Пример
from transformers import AutoTokenizer, AutoModelForSequenceClassification
import torch
tok = AutoTokenizer.from_pretrained("Rabbit-Bull/verillm-deberta")
mod = AutoModelForSequenceClassification.from_pretrained("Rabbit-Bull/verillm-deberta")
inputs = tok("JWST launched in Dec 2021.", "JWST launched in December 2021.", return_tensors="pt")
with torch.no_grad():
print(mod.config.id2label[torch.argmax(mod(**inputs).logits, dim=-1).item()])
ПодробнееМетрики на тесте RAGTruth (17,906 предложений): Accuracy — 92.86%, Weighted F1 — 92.76%, Macro-F1 — 69.99%. F1 по классам: SUPPORTED_PROXY — 96.20%, CONTRADICTED — 61.67%, UNSUPPORTED — 52.09% (сказывается дисбаланс классов). Железо и ограничения: оптимизирована для CPU, максимальная длина входа — 512 токенов, работает только на английском языке и проверяет соответствие именно переданному тексту, а не общим фактам о мире.
Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.
Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.
HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.
# Rabbit-Bull/verillm-deberta — A30, FP8 / INT8
# Драйвер NVIDIA: для CUDA 13 нужен 580+. Если старее или нет — ставится свежий nvidia-open (оставить свой: KEEP_DRIVER=1)
DRV=$(nvidia-smi --query-gpu=driver_version --format=csv,noheader 2>/dev/null | head -1 | cut -d. -f1)
case "$DRV" in ""|*[!0-9]*) DRV=0 ;; esac
if [ "$DRV" -lt 580 ] && [ -z "${KEEP_DRIVER:-}" ]; then
. /etc/os-release && \
curl -fsSLO "https://developer.download.nvidia.com/compute/cuda/repos/ubuntu${VERSION_ID//./}/x86_64/cuda-keyring_1.1-1_all.deb" && \
sudo dpkg -i cuda-keyring_1.1-1_all.deb && rm -f cuda-keyring_1.1-1_all.deb && \
sudo apt-get update && \
sudo DEBIAN_FRONTEND=noninteractive apt-get install -y nvidia-open || \
{ echo "Драйвер NVIDIA поставить не удалось: смотрите ошибку выше. Чтобы оставить текущий, запустите с KEEP_DRIVER=1."; exit 1; }
echo "Драйвер NVIDIA обновлён. Перезагрузите машину (sudo reboot) и запустите этот же скрипт ещё раз."
exit 0
fi
curl -LsSf https://astral.sh/uv/install.sh | sh
source "$HOME/.local/bin/env"
uv venv ~/vllm --python 3.12 && source ~/vllm/bin/activate
uv pip install vllm
vllm serve Rabbit-Bull/verillm-deberta --max-model-len 8192 --quantization fp8
Сервер слушает порт 8000 и понимает запросы в формате OpenAI: адрес http://localhost:8000/v1 на машине. Со своего компьютера: ssh -L 8000:localhost:8000 пользователь@IP-машины.
Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.
Как ускорить
Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.
Комментарии