Uso primario dichiarato o dedotto con cautela dalla documentazione ufficiale.
M
MICROSOFT / microsoft/UserRepGen-4B
UserRepGen-4B
Checkpoint Microsoft basato su Qwen3.5-4B che trasforma conversazioni testuali in descrizioni della richiesta e del comportamento osservato. I pesi sono stati caricati nel repository ufficiale il 14 ottobre 2026. Genera rappresentazioni per un simulatore separato: non produce autonomamente turni dell’utente né ne esegue il compito. Pur mantenendo l’architettura multimodale del modello base, questa versione supporta solo testo ed è stata valutata in inglese.
01 / RIEPILOGO
L'essenziale
Capacità di input massima quando pubblicata dalla fonte.
Limite massimo di generazione documentato.
Canali di disponibilità verificati.
Famiglia funzionale principale e specialità verificate.
Condizioni dichiarate per API, pesi o distribuzione autonoma.
02 / SCHEDA TECNICA
Limiti e integrazione
| ID API | microsoft/UserRepGen-4B |
|---|---|
| Tipo di modello | Testo e ragionamento |
| Modalità di accesso | Pesi aperti |
| Licenza | MIT; risorse originali Qwen sotto Apache 2.0 |
| Distribuzione | Hosting autonomo con Transformers o vLLM |
| Rilascio | 14 OCT 2026 |
| Cutoff della conoscenza | Non pubblicato |
| Entrata | Testo |
| Uscita | Testo |
| Finestra di contesto | 8.192 token di prompt; sequenza di addestramento di 9.216 |
| rendimento massimo | Fino a 1.024 token nell’uso documentato |
| Ragionamento | Modalità di ragionamento disattivata nell’esempio ufficiale |
| Strumenti pubblicati | |
| Uscite strutturate | JSON con task e user_behavior; validare l’output |
| Elaborazione batch | Non pubblicato |
| Cache dei prompt | Non pubblicato |
| Fine-tuning | Non pubblicato |
| Piattaforme verificate | Hugging Face · Transformers · vLLM |
Ricerca supervisionata sugli assistenti e ricostruzione di conversazioni autorizzate. L’adattamento usa LoRA di rango 64 e apprendimento supervisionato online con feedback retrospettivo. L’addestramento ha utilizzato 3.200 conversazioni da sette dataset; la valutazione separata ne usa 700. L’esempio richiede di validare task e user_behavior e limita l’input formattato a 8.192 token e la generazione a 1.024. Non presumere il contesto esteso del modello base.
Le rappresentazioni non sono dati anonimi né descrizioni verificate di una persona: possono conservare informazioni sensibili, inferire tratti infondati e facilitare il collegamento di conversazioni. Non usarle per sorveglianza, impersonificazione, profilazione senza consenso o decisioni con conseguenze importanti. La scheda non ha ancora il riferimento bibliografico dell’articolo; i risultati sono dichiarati da Microsoft, non validati indipendentemente.
03 / CAPACITÀ
Cosa può fare
Orientamento
Ricerca supervisionata sugli assistenti e ricostruzione di conversazioni autorizzate. L’adattamento usa LoRA di rango 64 e apprendimento supervisionato online con feedback retrospettivo. L’addestramento ha utilizzato 3.200 conversazioni da sette dataset; la valutazione separata ne usa 700. L’esempio richiede di validare task e user_behavior e limita l’input formattato a 8.192 token e la generazione a 1.024. Non presumere il contesto esteso del modello base.
Contesto
8.192 token di prompt; sequenza di addestramento di 9.216 · Fino a 1.024 token nell’uso documentato
Strumenti e integrazione
Non pubblicato
Accesso
Hugging Face · checkpoint scaricabile
Modalità di input
Testo
04 / PREZZI
Costo documentato
| Concetto | Di valore | Unità/condizione |
|---|---|---|
| Input standard | Nessuna tariffa API ufficiale pubblicata | Tariffa API standard |
| Input in cache | Non pubblicato | Lettura di prefissi riutilizzati |
| Scrittura o archiviazione della cache | Non pubblicato | La condizione varia in base al fornitore |
| Output standard | Costo dell’infrastruttura propria | Può includere token di ragionamento |
| Input batch | Non pubblicato | Elaborazione asincrona |
| Output batch | Non pubblicato | Elaborazione asincrona |
La scheda dichiara licenza MIT per il modello e mantiene Apache 2.0 per le risorse originali Qwen. Non sono state verificate un’API commerciale o tariffe per token. I pesi aperti richiedono calcolo, memoria e manutenzione; il test funzionale su CPU non misura le prestazioni. Fissare una revisione e verificare licenze e autorizzazione al trattamento prima del deployment.
i I prezzi cambiano e possono dipendere dal livello, dalla regione o dalla durata del contesto. Controlla la fonte prima di prendere una decisione.
05 / VALUTAZIONI
Come leggere i risultati
“
Microsoft riporta fedeltà di simulazione di 4,95 best-of-1 e 6,02 best-of-3 su una scala da 1 a 10. Il protocollo usa GPT-5.4 mini come simulatore, assistente e giudice, con tre rollout per rappresentazione. Non è accuratezza percentuale né un benchmark generalista. Inferama non lo ha riprodotto; la fedeltà dipende da simulatore e dati, e le interazioni sintetiche non sostituiscono riscontri di utenti reali.
| Benchmark | Risultato | Metrica | Fonte |
|---|---|---|---|
| UserRepGen Simulation Fidelity (best-of-1) | 4,95 / 10 | Fedeltà di simulazione | Vedi fonte ↗ |
| UserRepGen Simulation Fidelity (best-of-3) | 6,02 / 10 | Fedeltà di simulazione | Vedi fonte ↗ |
Inferama evidenzia un "miglior risultato" solo quando la metrica, il set di test, la configurazione e la data consentono un confronto equivalente. I dati del fornitore sono presentati come affermazioni provenienti dalla propria fonte.
06 / VERSIONI
Cronologia
UserRepGen-4B
Pesi, configurazione, esempio e scheda pubblici; riferimento dell’articolo in attesa.
07 / FONTI