Pollux-4B-Judge: проверка ответов нейросетей на одной видеокарте с 16 ГБ памяти

Это отдельная модель для проверки ответов других нейросетей. Ей передают исходное задание, ответ и критерий со шкалой оценивания. Например, можно оценивать правильность ответа бота. Эталонный ответ необязателен, а каждый критерий требует отдельной проверки.

Не хотите разбираться сами? Внедряем ИИ в ваш бизнес: задачи без лимита, одна цена в месяц, отмена в любой момент.

Меньше прежних судей. Раньше Сбер обучал Pollux на 7 и 32 млрд параметров на синтетических данных. Версию на базе Qwen3-4B дообучили на 100 тысячах экспертных оценок. В авторском тесте на 50 тысячах примеров новая модель точнее прежней Pollux-32B-Judge-Base воспроизводила оценки экспертов.

Запуск у себя. Веса опубликованы как `ai-forever/Pollux-4B-Judge` на Hugging Face. Авторская инструкция начинается с установки зависимостей:

```bash pip install vllm==0.19.0 transformers==5.3.0 openai vllm serve ai-forever/Pollux-4B-Judge --tensor-parallel-size 1 --reasoning-parser qwen3 ```

После запуска модель принимает запросы через OpenAI-совместимый API по адресу `http://localhost:8000/v1`. В авторском примере числовая оценка приходит в `content`, пояснение в `reasoning`.

Для LangChain авторы предлагают установить свою интеграцию:

```bash git clone https://github.com/ulyanaisaeva/langchain-pollux.git pip install ./langchain-pollux ```

Компонент PolluxEvaluator принимает собственные критерии и шкалы. Авторы также предусмотрели интеграцию с LangSmith.

Источники: [материал CNews от 11 ноября 2026 года](https://www.cnews.ru/news/line/2026-11-11_v_sberbanke_sozdali_kompaktnuyu), [карточка модели и инструкция запуска](https://huggingface.co/ai-forever/Pollux-4B-Judge).

В репозитории POLLUX опубликован конвейер от генерации ответов через answer.py до проверки в score.py и подсчёта результатов в metrics.py.