Ru-Jev

Ru-Jev

根据上下文和一组选项，给出是非、选择或等级题的概率，以俄语为先。可在普通 CPU 上运行，适合把数据留在内部的团队。

由 besktech 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的，模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么：Ru-Jev 是一个以俄语为先的模型，负责做有类型的决策，而不是写文字。你给它一段上下文和一组选项，它会给每个选项打出概率，并选出最可能的一个。它支持是非题、从选项中做选择，以及有序等级评分。

适合谁：它适合需要对俄语文本做路由或分类的开发者和数据团队，他们想要一个看得懂的概率，又只有没有 GPU 的机器或封闭网络。

Title: 谁在用
Industry | Who uses it | How they use it | Example
软件 | 后端开发者 | 把收到的消息路由到某个类别 | 从 18 个类别中选出 weather
客户支持 | 支持工具团队 | 把俄语请求分到固定队列 | 为一条消息选出正确的队列
封闭网络 | 平台工程师 | 在私有网络内用 CPU 运行模型 | 不依赖外部服务给选项打分
研究 | NLP 研究人员 | 检查标签改名后准确率如何变化 | 比较俄语词和行话写法

需要自由生成文字的人可以跳过它，只用俄语和英语以外语言的团队也一样。

用在哪里：

• 装有 transformers 库的 Python
• 装有 Python 的 Windows、macOS 或 Linux
• 只有 CPU 的机器，不需要 GPU
• 封闭的内部网络

Title: 主要用途
Use case | Who | What they get back
给消息做路由 | 开发者 | 固定列表中的一个类别，附带它的概率
是非题 | 分析师 | 是和否各自的概率
等级评分 | 产品团队 | 等级中每一档的概率

如何设置：

• 你电脑上的 Python
• huggingface_hub 包
• 全精度权重约需 1.2 GB 磁盘空间

1. 安装 Hugging Face 的 hub 包。
2. 把模型文件下载到你的电脑。
3. 打开模型卡，复制其中的加载代码。不要使用默认的 zero-shot 流水线。

pip install -U huggingface_hub
hf download besktech/ru-jev

如何使用：用模型卡里的代码加载模型，传入一段上下文和你的选项列表，再读取它返回的概率。早期版本放在各自的分支上，加载时用下面这个参数来选择。

revision="v1.1"

示例：你传入一条关于明天下雨的俄语短消息，再附上一组包含 weather 的类别。返回每个类别的概率，weather 排在最前。模型卡在它自己的例子里报告正确选项得到 0.95，而默认的 zero-shot 流水线最多只有 0.44。

新手与专家：你可以把它当成一个分拣员，读一句话和一组选项，然后告诉你对每个选项有多确定。第一件可以试的小事，是按模型卡的方式加载后问一个俄语的是非题。默认流水线只会返回随机数字，所以不要用它。

从内部看，它是一个 mmBERT-base 编码器，有 307M 参数，另配一个单独的评分头，存放在 head.safetensors 中。默认流水线通过 AutoModelForSequenceClassification 加载，会悄悄新建一个评分头。这个头从随机权重开始，和主干一起在带人工标注的开放数据集上训练。1.3 版把每组固定选项用多种写法训练，所以模型读的是选项文字，而不是死记。

上下文和选项输入
mmBERT-base 编码器读取两者
单独的评分头给每个选项打分
输出概率，选出最高的选项

注意事项：

• Limits: 推理小组件和默认流水线都无法使用，请按模型卡的方式加载。
• Weak spots: 用晦涩代码和简短缩写做标签时得分很低，候选列表变长时准确率也会下降。
• License: MIT。
• Cost to run: 来源未提及，它在 CPU 上运行。
• Data it reaches: 它从 Hugging Face 下载文件，来源没有提到其他内容。
• Not for: 生成文字。它与 TypeSafe AI 没有关联。

Title: 5 个候选时行话标签的准确率
v1.1: 0.633 准确率
v1.3: 0.855 准确率

Hugging Face 上的数据（2026年11月14日）

• 任务：text classification
• 框架：transformers
• 参数量：307M
• Weights: about 1.2 GB in F32; about 153 MB at 4-bit (estimate)
• Formats: Safetensors
• 最近 30 天下载：403
• 点赞：2
• 许可证：mit
• 语言：ru, en
• 基于：jhu-clsp/mmBERT-base
• 标签：transformers, safetensors, modernbert, feature-extraction, text-classification, zero-shot-classification, typed-decision, russian, routing, intent-classification, calibrated, calibration

链接

• 模型：https://huggingface.co/besktech/ru-jev
• 文件：https://huggingface.co/besktech/ru-jev/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件：

pip install -U huggingface_hub
hf download besktech/ru-jev

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。