lançado · 26B · Apache-2.0
Imperium
motor de triagem · 3 especialistas LoRA
O membro 26B da família: o professor público que virou motor de triagem — três especialistas LoRA sobre a base d3 que respondem as mesmas 3 perguntas tipadas do Decisum com probabilidades, em uma passada. Venceu a API de fronteira nas 4 colunas da régua ouro.
- parâmetros na base pública d3
- 26B
- Imperium · score geral
- 0.7618
- régua ouro, n=753 · venceu a API de fronteira nas 4 colunas
- download da base pública d3
- ~49 GB
- não redistribuída: o repo traz só os adapters
O que o Imperium faz
Imperium é o membro 26B da família — o professor e árbitro que publicamos como base pública de decisão. Este release o transforma em motor de triagem: três especialistas LoRA (urgência, categoria, decisão), roteados por pergunta.
Ele lê um chamado de suporte e responde com probabilidades as mesmas 3 perguntas tipadas do Decisum — uma única passada por pergunta, sem gerar texto. É o primeiro modelo que medimos em que a confiança de que algo é crítico não depende de um juiz externo.
A família inteira num sistema só: o Decisum é o System 1 (~100 ms por caso), o Veredicto é o System 2 (9B), e o Imperium é o professor da família — agora também motor de triagem de 26B para quem quer a maior acurácia que medimos.
Qual é o assunto?
17categorias
O que fazer?
5decisões possíveis
aprovarrejeitarescalarexecutar_acaopedir_mais_info
Para quando?
0–3escala de urgência
Arquitetura
Base pública d3 (backbone Qwen3.8-27B com readout de 255 códigos) + três especialistas LoRA aplicados por um router fino por pergunta — probabilidade por alternativa, sem geração de texto.
| Pergunta | Especialista |
|---|---|
| Categoria | especialista LoRA de categoria (r=32, α=64, ~249M treináveis, readout FP32 congelado) |
| Decisão | especialista LoRA de decisão (r=32, α=64) |
| Urgência | especialista LoRA de urgência — target hard one-hot (a descoberta da campanha) |
Um adapter por pergunta, aplicado por um router fino no runtime — um modelo único mesclado mistura os especialistas e NÃO reproduz os números medidos. O repo traz o exemplo de inferência com o router.
Treino fiel ao serving
O fine-tune usou o forward exato do runtime de inferência (mesmo encoder, mesmo readout FP32), com gate numérico antes de treinar: sem adapter, o forward de treino precisa reproduzir as predições servidas em max |Δp| ≤ 2,5e-02 — senão aborta.
A base
vllm-sr/d3 (26B, Apache-2.0: backbone Qwen3.8-27B, atenção linear híbrida, readout de 255 códigos para decisões tipadas). A base não é redistribuída: o repo do Imperium traz os três adapters e o exemplo de inferência; a base você baixa direto da fonte (~49 GB).
Benchmarks na régua ouro privada
Sessão de ouro única, report-only: 753 casos reais, 2.259 perguntas, cápsula congelada, nunca vistas em treino. Os gates da campanha foram pré-declarados por escrito antes de qualquer medição.
| Sistema | Categoria | Decisão | Urgência | Geral |
|---|---|---|---|---|
| Imperium (3 especialistas LoRA)sessão de ouro única, report-only | 0.8207 | 0.7092 | 0.7556 | 0.7618 |
| API de fronteiraprofessor/referência | 0.7251 | 0.6892 | 0.7238 | 0.7127 |
| Veredicto Trium (9B) | 0.7012 | 0.6892 | 0.7450 | 0.7118 |
| v11e — produção (322M×2)recomputado nestas mesmas 753 questões | 0.5604 | 0.6375 | 0.6866 | 0.6282 |
| clef-flash 9B (zero-shot) | 0.5817 | 0.2988 | — | 0.4772 |
Contra a API de fronteira: categoria +9,6 p.p. · decisão +2,0 p.p. · urgência +3,2 p.p. · geral +4,9 p.p. A urgência (0,7556) também passa o recorde 0,7450 do Veredicto Trium na mesma régua.
Contra o ensemble de produção v11e: +13,4 p.p. no geral e +26,0 p.p. em categoria. O v11e recomputado aqui reproduz ao dígito os 62,82% históricos documentados da produção.
O d3 sem fine-tune não entrou no ouro (protocolo: uma sessão por finalista). Na régua de desenvolvimento ele mede 0,6089 geral com recall de urgência alta+crítica de 0,8583 — a complementaridade que motivou o treino com target hard.
O card publica a receita completa (LoRA r=32/α=64, alvo hard na urgência, gate de fidelidade) e o exemplo de inferência que reproduz os números — além das limitações medidas.
A descoberta: alvo soft colapsa o recall crítico
O primeiro fine-tune usou alvos soft — distribuições de consenso de um painel de 5 juízes, com a massa em "moderada". A acurácia geral subiu e o recall de urgência alta+crítica desabou de 0,858 (zero-shot) para 0,597. Retreinar só a urgência com target one-hot, todo o resto idêntico, devolveu o recall (0,897) e subiu a acurácia (0,808 → 0,886).
Se existe uma classe crítica no seu produto, não alimente o modelo com rótulos amolecidos por média de consenso.
| Característica | Medido no ouro |
|---|---|
| Falsos alarmes críticos (casos baixa/moderada marcados como crítica) | 0 em 239 — quando ele diz crítica, é crítica |
| Fatia crítica rara (18 casos, 2,4% do ouro) | responde alta 13×, crítica 4×, baixa 1× — conservador por um nível, de propósito |
| Recall de urgência alta+crítica | 0,6525 no ouro · 0,8972 no dev · 0,9531 no espelho |
| Coluna de decisão | codifica a política de escalabilidade da nossa plataforma — não transfere sem retreino |
| Acurácia de caso completo (as 3 respostas certas) | 0,458 |
Baixe o Imperium
O repo público traz os três adapters LoRA (urgência, categoria, decisão), o exemplo de inferência com o router por pergunta e o card completo com resultados e limitações publicadas. A base d3 você baixa direto da fonte.