TwIL-LM3-Pro

모델 소개

A 3.66B reasoning model for **formal logic** tasks, built from `ibm-granite/granite-4.2-3b` through LoRA supervised fine-tuning, checkpoint fusion, WiSE-FT weight interpolation, and entropy-weighted GRPO reinforcement learning. It improves in-domain formal-logic performance by **+28% relative** over its base model (macro gate 0.431 → 0.554) **while holding held-out benchmark performance** — the 10-dataset macro is level with the base (0.7942 → 0.7901) and the 14-dataset macro improves slightly (0.7332 → 0.7425). On the same harness and sampled rows it reaches the highest Track A macro gate, strict-7 and six-lane average of any arm in the tables below for which each can be computed, including Qwen3-8B, Qwen3.5-4B, VibeThinker-3B and gpt-oss-120b (the 120B has no gate or strict-7 value). *VibeThinker-webAI-trained is the public VibeThinker-3B after the same post-training pipeline (SLERP, d = 0.5, t = 0.5); see Against the tuned VibeThinker-3B. It has no strict-7 or six-lane-average value, so those bars show n/a.*

주요 특징

特点摘要待依据来源补齐，不凭模型名称推断能力。

한계 및 유의 사항

구체적 한계를 판단할 출처가 부족합니다. 실제 성능, 지연, 데이터 정책, 라이선스와 버전 수명을 확인하세요.

출처별 요금 및 비용 분석

요금은 채널, 지역, 설정에 따라 다릅니다. 각 채널 요금은 개별 표시되며 제공사의 통일 공식 요금이 아닙니다.

공개 평가 및 실행 설정

暂无已采集的可核验公开评分。模型未上榜不代表能力较低。

자주 묻는 질문

출처 및 추적 기록

许可证：other。模型介绍与第三方评测均以原来源的具体版本和方法为准。