逐选项评分
每个 yes/no、choice 或 score 候选经过标量评分头，最终输出空间严格等于调用方提供的候选集合。
TypeDecide 首页
模型介绍 · 校准研究
System-One 4B 模型介绍
System-One 4B scorer 是基于 Qwen3.5-4B-Base 的 LoRA 评分模型，对每个候选逐项打分并在问题内归一化概率。本页说明其训练配置、温度校准和研究价值，同时标明 384 token 上下文、候选规模与非商业许可证限制。
返回模型目录
非商业概率校准LoRA仅评测
System-One 4B 是什么？
System-One 4B scorer 在 Qwen3.5-4B-Base 上增加标量评分头，并用 LoRA 训练。它逐一评分 typed question 的候选项，再在每个问题内部执行 softmax，不进行自回归文本生成。
模型卡标注总参数约 4.236B，其中约 30.5M 为可训练参数。训练设置包含 384 序列长度、最多 16 个训练选项和验证集拟合温度 2.350。
这个项目的价值主要在于公开一条可复现的“候选评分—概率归一化—温度校准”研究路径，而不是提供可直接商用的通用模型。即使模型卡报告了 Accuracy、ECE 和 Brier，也只能解释该版本在其评测设置下的表现。
- 开发者
- pngwn
- 技术路线
- Qwen3.5-4B + LoRA Scorer
- 模型规模
- 4.24B
- 许可证
- CC-BY-NC-4.0
- 语言范围
- 模型卡未给出多语言覆盖结论
- 输入长度
- 训练序列长度 384
- 运行环境
- Transformers · PEFT · Qwen3.5-4B Base
- 资料核验
- 2026-09-19
推理路径
一次结构化决策如何形成
LoRA 适配器
发布物是依附 Qwen3.5-4B-Base 的 PEFT 适配器，部署时还需要加载对应的基础模型。
验证集温度
项目在验证集上拟合温度并报告 ECE、Brier 等指标，适合研究概率校准流程而非直接宣称通用准确率。
采用判断
适合做什么，以及先检查什么
适合评估
- 研究固定候选单次评分、Brier/ECE 和温度校准的非商业实验
- 需要完整权重适配器和公开训练设置作为复现实验起点
- 能够接受 384 token 输入和训练候选上限的受控评测
已知限制
- 许可证为 CC-BY-NC-4.0，不能默认用于商业产品、付费服务或商业内部生产。
- 训练时高基数任务的候选集被限制为 16 个；模型卡虽评测全部候选，但大候选空间仍需单独测试。
- 序列长度 384 会截断长 State、长评论或复杂上下文。
- 项目明确说明准确率远低于前沿模型，价值主要是固定选项下的单次延迟与校准分布。
来源与边界
公开资料，不是 TypeDecide 统一实测
本页根据项目模型卡、仓库说明和其中公开的训练或评测设置整理。不同项目的硬件、数据集、版本、温度与样本量不同，公开数字不能直接组成排行榜；生产采用前仍需复核许可证并在目标数据上重测。
继续了解