Сбер представил модель Pollux с 4 млрд параметров для проверки ответов нейросетей

Исследователи Сбербанка разработали Pollux — открытую компактную модель для проверки качества ответов искусственного интеллекта. Модель оценивает не только отдельные запросы и ответы, но и диалоги, работу с внешними источниками информации (RAG) и использование инструментов ИИ-агентами. Об этом сообщает Ferra.

«Модель Pollux Judge содержит 4 млрд параметров и позволяет задавать собственные критерии и шкалы оценки. Она обучена методом GRPO на русскоязычных и англоязычных данных», — пишет Ferra.

Для обучения использовали бенчмарк из 35 групп задач и 2115 экспертных запросов. В тестах коэффициент корреляции Спирмена между оценками Pollux и специалистов составил 0,744. По этому показателю модель превзошла проверенные универсальные системы, включая модели с числом параметров до 1,1 трлн.

Pollux можно развернуть локально или подключить через API, совместимый с OpenAI. Научную работу приняли на конференцию AACL-IJCNLP 2026.

Подписывайтесь на наш Telegram-канал, чтобы быть в курсе всех новостей и событий Рунета.