Uso primário declarado ou inferido com cautela a partir da documentação oficial.
M
MICROSOFT / microsoft/UserRepGen-4B
UserRepGen-4B
Checkpoint da Microsoft baseado no Qwen3.5-4B que transforma conversas de texto em descrições da tarefa e do comportamento observado. Os pesos foram carregados no repositório oficial em 14 de outubro de 2026. Gera representações para um simulador separado: não produz por si só turnos do utilizador nem executa a sua tarefa. Embora mantenha a arquitetura multimodal do modelo base, esta publicação aceita apenas texto e foi avaliada em inglês.
01 / RESUMO
O essencial
Capacidade máxima de entrada quando publicada pela fonte.
Limite máximo de geração documentado.
Canais de disponibilidade verificados.
Família funcional principal e especialidades verificadas.
Condições declaradas para API, pesos ou alojamento próprio.
02 / FICHA TÉCNICA
Limites e integração
| ID de API | microsoft/UserRepGen-4B |
|---|---|
| Tipo de modelo | Texto e raciocínio |
| Modelo de acesso | Pesos abertos |
| Licença | MIT; recursos originais da Qwen sob Apache 2.0 |
| Implantação | Alojamento próprio com Transformers ou vLLM |
| Lançamento | 14 OCT 2026 |
| Data de corte do conhecimento | Não publicado |
| Entrada | Texto |
| Saída | Texto |
| Janela de contexto | 8.192 tokens de prompt; sequência de treino de 9.216 |
| saída máxima | Até 1.024 tokens na utilização documentada |
| Raciocínio | Modo de raciocínio desativado no exemplo oficial |
| Ferramentas publicadas | |
| Passeios Estruturados | JSON com task e user_behavior; validar a saída |
| Processamento em lote | Não publicado |
| Cache de prompts | Não publicado |
| Ajuste fino | Não publicado |
| Plataformas verificadas | Hugging Face · Transformers · vLLM |
Investigação supervisionada de assistentes e reconstrução de conversas autorizadas. O ajuste usa LoRA de dimensão 64 e aprendizagem supervisionada em linha com feedback retrospetivo. O treino utilizou 3.200 conversas de sete conjuntos; a avaliação separada usa 700 conversas. O exemplo exige validar task e user_behavior e limita a entrada formatada a 8.192 tokens e a geração a 1.024. Não presumir o contexto alargado do modelo base.
As representações não são dados anónimos nem descrições verificadas de uma pessoa: podem conservar informações sensíveis, inferir características sem fundamento e facilitar a associação de conversas. Não usar para vigilância, usurpação de identidade, criação de perfis sem consentimento ou decisões de consequências importantes. A referência bibliográfica do artigo continua pendente; os resultados são os declarados pela Microsoft, não uma validação independente.
03 / CAPACIDADES
O que pode fazer
Orientação
Investigação supervisionada de assistentes e reconstrução de conversas autorizadas. O ajuste usa LoRA de dimensão 64 e aprendizagem supervisionada em linha com feedback retrospetivo. O treino utilizou 3.200 conversas de sete conjuntos; a avaliação separada usa 700 conversas. O exemplo exige validar task e user_behavior e limita a entrada formatada a 8.192 tokens e a geração a 1.024. Não presumir o contexto alargado do modelo base.
Contexto
8.192 tokens de prompt; sequência de treino de 9.216 · Até 1.024 tokens na utilização documentada
Ferramentas e integração
Não publicado
Acesso
Hugging Face · checkpoint descarregável
Modalidades de entrada
Texto
04 / PREÇOS
Custo documentado
| Conceito | Valor | Unidade/condição |
|---|---|---|
| Entrada padrão | Sem tarifa API oficial publicada | Tarifa padrão da API |
| Entrada em cache | Não publicado | Leitura de prefixos reutilizados |
| Escrita ou armazenamento em cache | Não publicado | A condição varia consoante o fornecedor |
| Saída padrão | Custo da infraestrutura própria | Pode incluir tokens de raciocínio |
| Entrada por lotes | Não publicado | Processamento assíncrono |
| Saída por lotes | Não publicado | Processamento assíncrono |
A ficha declara licença MIT para o modelo e mantém Apache 2.0 para os recursos originais da Qwen. Não foram verificadas uma API comercial ou tarifas por tokens. Pesos abertos exigem computação, memória e manutenção; o teste funcional em CPU não é uma medição de desempenho. Fixar uma revisão e verificar licenças e autorização para tratar conversas antes da instalação.
i Os preços mudam e podem depender do nível, região ou duração do contexto. Verifique a fonte antes de tomar uma decisão.
05 / AVALIAÇÕES
Como ler os resultados
“
A Microsoft publica fidelidade de simulação de 4,95 em best-of-1 e 6,02 em best-of-3, numa escala de 1 a 10. O protocolo usa GPT-5.4 mini como simulador, assistente e avaliador, com três rollouts por representação. Não equivale a precisão percentual nem a um benchmark generalista. A Inferama não o reproduziu; a fidelidade depende do simulador e dos dados, e as interações sintéticas não substituem evidência de utilizadores reais.
| Benchmark | Resultado | Métrica | Fonte |
|---|---|---|---|
| UserRepGen Simulation Fidelity (best-of-1) | 4,95 / 10 | Fidelidade de simulação | Ver fonte ↗ |
| UserRepGen Simulation Fidelity (best-of-3) | 6,02 / 10 | Fidelidade de simulação | Ver fonte ↗ |
O Inferama só destaca o “melhor resultado” quando a métrica, o conjunto de testes, a configuração e a data permitem uma comparação equivalente. Os números do fornecedor são apresentados como declarações de sua própria fonte.
06 / VERSÕES
Cronologia
UserRepGen-4B
Pesos, configuração, exemplo e ficha públicos; referência do artigo pendente.
07 / FONTES