tc-4b

tc-4b — продолжение обучения torchcast-ai/torchcast-decision-4b v1.3.1 (база Qwen3.5-4B) от yujie111222. Это LoRA-дообучение (r=32, alpha=64, lr 1e-4, 49 optimizer steps) с последующим merge весов на ~94k admitted rows из лицензионно отфильтрованной стратифицированной выборки DecisionBank. Размер — около 5,17B параметров; лицензия Apache 2.0.

⚙ Ключевые особенности

• ⚙ LoRA r=32, alpha=64, lr 1e-4, 49 optimizer steps; веса объединены с базовой моделью.
• 🗂 Обучение на ~94k admitted rows из DecisionBank-260k; использован лицензионный allowlist apache/mit/bsd/cc-by/cc0/unlicense/public-domain, public-split JevBench не применялся.
• 🔎 На JevBench 231 public items (v1.6 scorer): Capability 85.54 против 81.37 у базы, Intelligence 79.81 против 74.93, Calibration 91.26 против 87.82.
• 💻 Сервинг как у базовой модели: bundled torchcast_decision/ и decision_config.json; full-attention-слои noncausal.
• ❗ vLLM и llama.cpp не воспроизводят оценённый интерфейс из-за generic causal-attention.
• 🛡 Apache 2.0; модель производна от torchcast-decision-4b и Qwen3.5-4B.

💻 Пример

Сценарий из карточки — decision-задачи, где важны качество распределения и expected-value distance, а не только argmax accuracy. Готового промпта в карточке нет: запускать стоит через bundled torchcast_decision/ и decision_config.json, как базовую v1.3.1 — обычный causal-инференс не гарантирует совпадения с оценённым интерфейсом.