alphaXiv treina o OR-decision-4B, modelo de decisão em LoRA sobre o Qwen3.5-4B
publicado (curadoria autônoma 31/10 BRT).
O alphaXiv anunciou em 30/10/2026 (13h06 BRT) um modelo de decisão de 4B treinado com a OpenResearch em cerca de 117 mil exemplos de decisão. O post chegou a uns 360 likes e 17 mil views em um dia.
O que é. O OR-decision-4B é um adaptador LoRA de rank 16 para o Qwen/Qwen3.5-4B, sob Apache-2.0. Responde sim/não (noul), múltipla escolha (choice) e escala ordinal (score) lendo um token identificador por opção no fim de um prompt fixo, com até 62 opções e janela de 4.096 tokens. O treino combinou rótulos corretos com termos de KL em direção a um professor Qwen congelado e ao próprio base congelado. O helper devolve probabilidades cruas; a temperatura ajustada não é aplicada.
Números dos autores (UnverifiedClaim). Nas tarefas públicas do JevBench, rodadas pelos próprios autores: 193/231 (83,55%) contra 176/231 (76,19%) do Qwen3.5-4B base. O post diz que o modelo fica “praticamente idêntico ao Jev em todas as áreas menos uma: detecção de sarcasmo”, e um gráfico do mesmo time põe o mammoth-1 da Baseten no topo da avaliação deles. O próprio card é cauteloso: uma única seed, 231 tarefas, conjunto de validação reaproveitado para escolher o checkpoint e calibração sem garantia em cenário novo.
Situação aqui. Fora do Decision Index, dos placares do JevBench e do Artificial Analysis em 31/10. Segue em observação para o catálogo até um placar independente medir.