webAI ने TwIL-LM पेश किया: स्थानीय ऑटोफॉर्मलाइज़ेशन के लिए औपचारिक-तर्क मॉडल परिवार

webAI ने TwIL-LM जारी किया, जो 1.7B और 3B पैरामीटर वाले औपचारिक-तर्क तर्ककर्ताओं का एक दो-मॉडल परिवार है। 3B सदस्य, TwIL-LM3, SmolLM3-3B का एक मर्ज किया गया फाइन-ट्यून है; 1.7B सदस्य SmolLM2-1.7B-Instruct के लिए एक PEFT LoRA एडाप्टर है। दोनों का लक्ष्य स्वचालित औपचारिकीकरण है: अंग्रेजी को प्रथम-क्रम तर्क में अनुवाद करना और यह जाँचना कि क्या कोई निष्कर्ष उसके आधारों से निकलता है। दोनों स्थानीय रूप से चलते हैं, 1.7B के लिए 1.06 GB क्वांटाइज़्ड बिल्ड और 3B के लिए 1.78 GiB Q4_K_M GGUF के साथ। webAI की घोषणा रिलीज़ को पाँच औपचारिक-तर्क लेनों में से चार में gpt-oss-120b को मात देने के इर्द-गिर्द तैयार करती है। तैनाती आंशिक है, क्योंकि दोनों चेकपॉइंट webAI गैर-वाणिज्यिक लाइसेंस संस्करण 1.0 के तहत भेजे जाते हैं; राजस्व उत्पन्न करने वाली तैनाती के लिए एक अलग समझौते की आवश्यकता होती है। मॉडल विभिन्न उद्योगों को लक्षित करते हैं जिनमें अनुपालन और रेगटेक, वित्तीय सेवाएँ, स्वास्थ्य सेवा और फार्मा, कानूनी और अनुबंध संचालन, और औपचारिक-विधि अनुसंधान शामिल हैं। अनुप्रयोगों में प्रथम-क्रम तर्क (FOL) अनुवाद, प्रवेश वर्गीकरण, प्राकृतिक भाषा से संरचित क्वेरी, लीन औपचारिकीकरण मसौदा और आलोचना, और एक सत्यापनकर्ता परत शामिल हैं। TwIL-LM3 चार चरणों द्वारा बनाया गया था: LoRA पर्यवेक्षित फाइन-ट्यूनिंग, चेकपॉइंट फ्यूजन, WiSE-FT इंटरपोलेशन λ = 0.25 पर पूर्व-प्रशिक्षित आधार की ओर वापस, और MGPO, एक एन्ट्रॉपी-भारित GRPO चरण जो एक प्रोग्रामेटिक सत्यापनकर्ता के विरुद्ध चलाया गया। प्रकाशित चेकपॉइंट चरण 2071 है। TwIL-LM3 नियम प्रेरण पर 96.4, शब्दार्थ पार्सिंग पर 87.6, लीन औपचारिकीकरण पर 64.6, सटीक-प्रारूप उत्तर देने पर 52.0, और प्रवेश लेबलिंग पर 68.7 स्कोर करता है। ट्रैक A पर, यह छह-लेन औसत पर 0.4488 और मैक्रो गेट पर 0.4218 स्कोर करता है, जो LFM2.5-8B-A1B तक हर भुजा का नेतृत्व करता है, लेकिन दो सबसे बड़ी भुजाओं (Qwen3-8B और gpt-oss-120b) का नहीं। दक्षता एक प्रमुख बढ़त है: TwIL-LM3 सबसे छोटी पीढ़ी (482 टोकन) और प्रति सेकंड सबसे अधिक उत्तर (32.9 बनाम 120B के लिए 4.2) उत्पन्न करता है। TwIL-LM3 इन-डोमेन में सापेक्ष रूप से +26% सुधार करता है, साथ ही आयोजित-कोर औसत पर +0.022 प्राप्त करता है, जो दोनों ट्रैकों पर लाभ प्राप्त करने वाली एकमात्र भुजा है। 1.7B मॉडल मिश्रित आउट-ऑफ-डिस्ट्रीब्यूशन परिणामों के साथ एक अलग व्यापार प्रदान करता है। मुख्य निष्कर्ष: TwIL-LM3 और TwIL-LM गैर-वाणिज्यिक लाइसेंस के तहत औपचारिक तर्क के लिए हैं; TwIL-LM3 छह-लेन औसत पर gpt-oss-120b से पीछे है; इसकी वास्तविक बढ़त दक्षता है; WiSE-FT λ = 0.25 पर ही कारण है कि इन-डोमेन लाभ आयोजित प्रदर्शन को नहीं गिराते हैं।