Выпущена модель jev-schema-scorer-deberta-v3-large для классификации схем

Разработчики представили jev-schema-scorer-deberta-v3-large — специализированную модель на базе архитектуры DeBERTa-v3-large, предназначенную для классификации данных с учетом схем. Инструмент оценивает пары «состояние, вопрос и кандидат» для вывода примитивов выбора, отсутствия ответа или оценки.

Модель прошла процедуру дообучения на массиве синтетических данных. В ходе тестирования на версии v2 система продемонстрировала точность выбора (choice accuracy) на уровне 84,1%. Процесс обучения и валидации занял 1 час, что позволило достичь оценки в 4 звезды по внутренней метрике эффективности проекта.

Архитектура ориентирована на задачи, где требуется строгая привязка к структуре данных, что критично для автоматизированных систем обработки запросов. Использование DeBERTa-v3-large в качестве основы обеспечивает высокую точность распознавания контекста при работе с неструктурированными парами «вопрос-ответ».

Релиз доступен на платформе Hugging Face и предназначен для интеграции в пайплайны, требующие классификации сложных схемных зависимостей. Модель позволяет автоматизировать фильтрацию кандидатов в задачах, где необходимо выбирать наиболее подходящий вариант из предложенного набора данных.