LFM2.5-350M-RLCD
⚠️ Por que não é um modelo
Scoring paralelo restrito em pesos LiquidAI inalterados — o nome 'RLCD' ≠ método de treino RLCD do TypeSafe.
Especificações técnicas
- LLMs base
- LiquidAI/LFM2.5-350M
- Tipos de decisão
- choice
- Features
- parallel-scoring, liquid-backbone
- Licença
- Apache-2.0
Links
LFM2.5-350M-RLCD é um método de pesquisa para scoring paralelo restrito em pesos congelados do LiquidAI.
Esclarecimento importante
O nome “RLCD” neste projeto não é o mesmo que o método de treino RLCD (Reinforcement Learning for Calibrated Decisions) do TypeSafe AI. O autor explicitamente nega qualquer conexão:
“Sem FT, sem método proprietário do Jev.”
Como funciona
O método realiza scoring paralelo restrito nos pesos inalterados do LiquidAI/LFM2.5-350M:
- Carrega modelo LiquidAI congelado
- Pontua opções em paralelo usando inferência restrita
- Retorna scores de log-likelihood (não confiança calibrada)
Por que não é um modelo
- Usa pesos LiquidAI inalterados
- Nenhum fine-tuning ou treino
- Outputs são scores de log-likelihood, não probabilidades calibradas
- Claims de speedup vs geração autoregressiva são UnverifiedClaim
Mesma classe que
Este projeto está na mesma categoria que SemIf, simple-jev e litjev — técnicas em tempo de inferência sobre LLMs congelados.