Together: Tev1 4B Experimental

O Tev1 4B Experimental é o modelo de classificação da Together AI para perguntas com um conjunto fixo de respostas. O fabricante afinou-o a partir do Qwen3.5 4B e indica 4,7 mil milhões de parâmetros. Utiliza geração de texto sem raciocínio para selecionar uma opção: a entrada documentada é um estado, uma pergunta e escolhas etiquetadas, e a saída pedida é exatamente uma letra. A aplicação faz corresponder essa letra à chave semântica da opção. Isto distingue o seu fluxo de decisão de um modelo que devolve diretamente probabilidades calibradas ou uma pontuação esperada numa rubrica.

Estado, pergunta e 2–24 opções

A interface do produtor representa a decisão como um objeto JSON com o estado, a pergunta e as opções. Cada opção contém uma etiqueta em forma de letra, de A a X, uma chave semântica e uma descrição. Forneça entre duas e 24 opções e faça com que cada descrição explique quando essa resposta se aplica. A letra é a etiqueta de saída compacta; a chave semântica é o significado que o software envolvente utiliza. Mantenha a correspondência associada à lista exata de opções utilizada nessa decisão.

Para uma mensagem de suporte, o estado deve conter a mensagem e o contexto relevante, enquanto a pergunta define que intenção ou destino escolher. Uma lista ilustrativa pode distinguir uma falha de integração comunicada, um problema de acesso e um pedido de informação sobre o produto, com uma opção «nenhuma» para quando as intenções listadas não se aplicam. Defina os casos que se sobrepõem, em vez de esperar que o modelo deduza a política de encaminhamento da organização a partir de etiquetas abreviadas.

Geração sem raciocínio e o formato de resposta pedido

O exemplo publicado pela Together fornece uma instrução de sistema que trata o conteúdo dentro do estado como dados, seleciona uma das opções listadas e pede apenas a respetiva letra, sem explicação. As definições recomendadas são temperatura 0, um limite de geração de oito tokens e raciocínio desativado. O fabricante afirma explicitamente que estas definições não são injetadas automaticamente pelo ponto de acesso público; a função auxiliar do exemplo fornece-as, enquanto um pedido direto tem de as especificar. Utilize estas definições para pedir a resposta de classificação curta e sem raciocínio pretendida.

O limite de oito tokens é uma definição de saída de exemplo para este fluxo de respostas curtas, e não uma especificação universal de saída máxima. A saída útil pretendida continua a ser a letra selecionada. Se uma função auxiliar expuser depois um objeto com etiqueta e chave, distinga esse objeto interpretado do conteúdo gerado em bruto pelo modelo. A seleção de uma categoria, por si só, não atualiza um pedido de suporte, não aprova uma operação nem executa a ação seguinte.

Classificação, regras e avaliações categóricas

O fabricante descreve a deteção de intenções, a aplicação de políticas, o encaminhamento de fluxos de trabalho, as categorias de documentos, o sentimento e a compreensão de sim/não com base num excerto como padrões de tarefa suportados. Uma tarefa booleana pode fornecer duas opções cujas chaves significam verdadeiro e falso; a aplicação interpreta a opção selecionada em conformidade. Uma tarefa de sentimento pode fornecer níveis descritos e devolver a chave de uma categoria selecionada. Essa escolha categórica não é uma média ponderada por probabilidades entre níveis, e uma letra devolvida não é um valor numérico de confiança.

Para uma decisão baseada em regras, inclua na tarefa os factos relevantes e a regra, em vez de pedir ao modelo que invente a política. Por exemplo, uma especificação de encaminhamento de documentos pode descrever as pastas permitidas e o material que pertence a cada uma. Uma tarefa de taxonomia de investigação pode fornecer o título e o resumo de um artigo juntamente com descrições de temas. O resultado deve ser interpretado face às alternativas fornecidas, conservando a evidência original para uma escolha ambígua ou contestada.

Âmbito do treino e identidade da edição

A página do modelo regista 37.840 exemplos de treino que abrangem implicação textual, perguntas de sim/não sobre excertos, intenções bancárias, categorias de notícias, níveis de sentimento, políticas programáticas, encaminhamento e taxonomia de artigos de investigação. O guia complementar documenta a normalização destas tarefas num formato de decisão comum e a afinação de um modelo de classificação. Isto explica o foco do perfil num conjunto delimitado de respostas; não demonstra que todas as novas políticas, domínios ou taxonomias serão tratados corretamente sem uma avaliação específica da tarefa.

O Tev1 4B Experimental é o modelo da Together com esse nome, e não o perfil base genérico do Qwen3.5 4B nem um ponto de verificação de outro fabricante de modelos de decisão. Mantenha a preparação de saída e o contrato de entrada próprios desta edição experimental. Um caso de utilização de decisão comum ou uma família base conhecida não justifica que se adotem o suporte de imagens, a calibração de probabilidades, as chamadas a ferramentas ou os limites de agrupamento de perguntas de outro modelo.

Contexto e revisão do resultado

A especificação do modelo da Together indica uma janela de contexto de 32,8K tokens e entrada de texto com saída de texto. O contexto tem de acomodar as instruções, o estado, a pergunta e as opções utilizados no pedido de classificação. Prepare apenas a evidência de que a pergunta necessita, mantendo as definições que distinguem as alternativas. Mantenha o pedido de classificação compacto, removendo o contexto irrelevante e conservando as definições das opções.

O produtor identifica-o como uma versão experimental destinada a avaliação em cargas de trabalho de decisão reais. Verifique se a resposta em bruto é uma das etiquetas fornecidas antes de a fazer corresponder a uma chave semântica, e compare as classificações com material etiquetado representativo da tarefa pretendida. Uma letra válida comprova uma seleção bem formada, e não que a sua interpretação esteja correta. Mantenha juntos a entrada, as opções, a letra devolvida e a chave correspondente, para que o artefacto final possa suportar o encaminhamento, a categorização ou a revisão de políticas sem perder a forma como a decisão foi definida.