К содержимому
Языковые модели

CiteAudit evidence reranker

поиск подтверждений в научных статьях

2 мин чтенияобновлено

Модель помогает проверить достоверность цитирования в научных текстах: она находит в первоисточнике конкретные предложения, которые подтверждают или относятся к цитирующей фразе. Это компонент системы CiteAudit, который отбирает топ-20 наиболее релевантных фрагментов для последующей проверки NLI-классификатором. Модель построена на базе microsoft/BiomedNLP-BiomedBERT-base-uncased-abstract-fulltext (110M параметров) в формате cross-encoder и дообучена на датасете Citation-Integrity. Она пригодится разработчикам инструментов для фактчекинга академических статей, автоматического рецензирования и RAG-систем по биомедицинской литературе.

Ключевые особенности

  • Прирост точности: в связке с алгоритмом поиска BM25 модель повышает метрику Recall@20 до 0.627 против 0.529 у связки с MonoT5.
  • Учёт контекста: при оценке предложения-кандидата модель захватывает до 200 символов из соседних предложений слева и справа (в пределах 192 токенов).
  • Компактный размер: архитектура на базе BiomedBERT весит всего 0.11B параметров, что позволяет быстро переранжировать топ-60 кандидатов после первичном отбора BM25.

Что можно сделать

  • Автоматический аудит библиографии: встроить реранкер в пайплайн проверки научных работ, чтобы находить точные цитаты-доказательства в PDF-файлах источников.
  • Улучшение научного RAG: использовать модель для точного отбора фрагментов из биомедицинских публикаций перед подачей контекста в LLM.

Пример

На вход подаётся пара текстов: text_a (цитирующее предложение с удалёнными маркерами ссылок) и text_b (предложение-кандидат из цитируемой статьи с контекстом соседних фраз до 200 символов). На выходе модель возвращает логит релевантности (чем выше число, тем точнее совпадение). Для корректного формирования окон контекста рекомендуется использовать функцию citeaudit.retrieval.window из пакета CiteAudit.

Подробнее Метрики на тесте Citation-Integrity (606 цитирований): Recall@10 — 0.510, Recall@20 — 0.627, MRR — 0.379.
Обучена с использованием listwise loss на эталонных предложениях и негативных примерах из BM25 (k1 0.9, b 0.4).
Важно формировать текстовые окна строго по правилам пакета citeaudit, иначе итоговые оценки релевантности могут сместиться.
Обсудить Telegram 0 18

Запустится ли?

Запустится в F32

Влезает без сжатия.

  • F32веса 0.4 GB · готовые файлы1.0 GB
  • BF16веса 0.2 GB0.8 GB
  • FP8 / INT8рекомендуемвеса 0.1 GB0.7 GB
  • 4-bitвеса 0.1 GB0.7 GB

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.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · F32 — от RTX 2060

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Готовый скрипт под машину, которую мы советуем выше: вставили — модель скачалась и запустилась.

  1. 1. Арендуйте A30

    $0.26 в час с купоном. При создании машины выберите образ Ubuntu.

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    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.

    # Sapnil/citeaudit-reranker — A30, FP8 / INT8
    # ===== Токены: вставьте свои между кавычками =====
    export HF_TOKEN=""        # huggingface.co/settings/tokens — для закрытых моделей
    # ==========================================
    # 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 Sapnil/citeaudit-reranker --max-model-len 8192 --quantization fp8
    Добавить ещё LoRA к citeaudit-reranker
  3. 3. Пользуйтесь

    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.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

  • MTP (multi-token prediction)0.34.0от 16 ноября 2026новая версия

    1.5–2× скорость генерации

    Если в модели есть MTP-слои (DeepSeek-V3/R1, Qwen3-Next, GLM, MiMo и др.), она сама предсказывает несколько токенов за шаг.

    Как включить: vLLM / SGLang: --speculative-config '{"method": "mtp", "num_speculative_tokens": 1}'. Смотрите карточку модели.

    Предыдущие поколения (2)
    • EAGLE-3 — Спекулятивное декодирование с маленькой «черновой» головой. Для моделей без своих MTP-слоёв.
    • EAGLE-2 / Medusa — Предыдущие поколения драфт-голов. Если нашли только их — тоже работают.
  • FP8 KV cache0.34.0от 16 ноября 2026новая версия

    в 2× больше контекста в той же памяти

    Хранит кэш внимания в 8 битах — длинный контекст влезает туда, где раньше не помещался.

    Как включить: vLLM: --kv-cache-dtype fp8; llama.cpp: -ctk q8_0 -ctv q8_0.

  • vLLM / SGLang0.34.0от 16 ноября 2026новая версия

    в разы больше токенов/с на сервере

    Серверные движки: пакетная обработка, FlashAttention, FP8, спекулятивное декодирование из коробки.

    Как включить: vllm serve <модель> — OpenAI-совместимый API.

    Предыдущие поколения (1)
    • llama.cpp — GGUF-модели на любой видеокарте, Mac и даже CPU; часть слоёв можно держать в ОЗУ.

Семья модели

Новые посты про версии BiomedNLP-BiomedBERT-base-uncased-abstract-fulltext — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 3Все на Hugging Face
Дообучения 12Все на Hugging Face

О модели

Sapnil/citeaudit-reranker
Автор
Sapnil
Категория
Языковые модели
Дата выхода
На сайте

На сайте

Hugging Face

180

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии