/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
54,7 ГБ
Лицензия
CC BY-NC 4.0
Архитектура
qwen3_5 · dense
Опубликована
10 окт 2026

yarrow-forecast

Генерация текстаТекст → текст

Локальная модель на базе Qwen3.5 оценивает вероятность исходов праймериз и выдвижения кандидатов в США по вопросу, правилам разрешения и предоставленным свидетельствам.

315скачиваний за 30 дней0лайковвеса обновлены10 окт 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

YarrowLab/yarrow-forecast — специализированная модель для прогнозирования исходов праймериз и выдвижения кандидатов политическими партиями США. Она принимает вопрос о событии, критерии его разрешения и доступные на указанную дату свидетельства, например новости и опросы, и за один проход возвращает калиброванную вероятность исхода в диапазоне от 0 до 1. Модель построена на плотной архитектуре Qwen3.5, содержит 27 млрд параметров и поддерживает контекст до 256K токенов. Она выдаёт оценку из распределения следующего токена, без генерации текстового ответа и без отказа от прогноза; веса запускаются локально.

Модель предназначена для оценки вероятности политических событий и сравнения прогнозов на основе заданных свидетельств. В README приведены результаты оценки на вопросах о праймериз и выдвижении кандидатов в США с уже известными исходами, однако эти результаты относятся к описанным наборам и протоколам. Лицензия CC BY-NC 4.0 запрещает коммерческое использование без отдельного разрешения.

Сценарии применения

  • оценка вероятности победы кандидата на праймериз в США
  • прогнозирование выдвижения кандидата политической партией США
  • сопоставление вероятностей исхода на основе опросов и новостей
  • анализ политических прогнозов с заданной датой отсечения свидетельств

Ограничения

Проверенная область применения ограничена вопросами о праймериз и выдвижении кандидатов в США; качество прогнозов вне этой области не подтверждено приведённой оценкой. Модель всегда выдаёт вероятность и не умеет воздерживаться от ответа.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

yarrow-forecast

yarrow-forecast forecasts U.S. party primary and nomination outcomes. Given a question, its resolution criteria, and the evidence available as of a stated date, one forward pass returns a calibrated probability in [0, 1].

The model does not write an answer and does not abstain. It reads the probability from the next-token distribution. There is nothing to parse. The weights run locally: 27B parameters, 256K context, no hosted API in the loop.

Why use it

The marginal cost is about zero. The weights sit on your own GPU. A forward pass does not incur a per-call fee.

One forward pass, no generated text. Measured batch inference is 0.12–1.6 seconds per question. There is no sampling and no token-by-token decode. The probability is read from the next-token distribution.

No third-party service. Scoring does not depend on an outside API, a proxy, or a rate limit. The model answered every item in the evaluation.

The weights can be trained further. A LoRA update followed by a merge left yes/no calibration error at 0.001–0.003. On 15 other checked items, the answers were unchanged after the merge.

Model details

Modelyarrow-forecast
Parameters27B
Context length256K tokens
TaskP(the event resolves YES)
Validated domainU.S. party primary and nomination elections
OutputOne probability in [0, 1]
InferenceOne forward pass, deterministic, 0% abstention
LicenseCC BY-NC-4.0

Input and output

QuestionThe event to forecast
Resolution criteriaHow a YES or NO outcome is decided
EvidenceNews, polls, and other material available at prediction time
As-of dateThe date the forecast is conditioned on
Outputp ∈ [0, 1]

Usage

forecast.py loads the weights once. Each call returns only the calibrated probability.

from forecast import Forecaster

model = Forecaster("YarrowLab/yarrow-forecast")
p = model.forecast(
    title="Will candidate X win the nomination?",
    rules="Resolves YES if candidate X is declared the nominee.",
    evidence="[E1] ...",
    as_of="2026-09-05",
)
print(p)  # 0.71
ps = model.forecast_batch([
    {"title": "...", "rules": "...", "evidence": "...", "as_of": "2026-09-05"},
    {"title": "...", "rules": "...", "evidence": "...", "as_of": "2026-09-05"},
])

Evaluation

Validated domain: U.S. party primary and nomination questions with settled outcomes. Same questions, same evidence, same outcomes. Each model answered in its own setup. yarrow-forecast answered all 150.

ModelBrier ↓AUC ↑Directional accuracyAnswered
yarrow-forecast0.1750.8176.0%150
Claude Sonnet 4.60.1710.8470.1%117
GPT-5.50.1850.8765.5%148
Historical base rate0.2390.5162.7%150
GPT-5.4-mini0.2420.5162.4%149
OpenForecaster-8B0.2650.7261.3%93

Directional accuracy on the full set is 76.0%, above Claude Sonnet 4.6 (70.1%) and GPT-5.5 (65.5%). Brier is 0.175, below GPT-5.5 (0.185), GPT-5.4-mini (0.242), and OpenForecaster-8B (0.265), and about 24% lower than the historical base rate (0.239). Across five out-of-sample fold splits the Brier stays in 0.175–0.185 and directional accuracy in 72.7–76.0%. Abstention is 0%.

Claude Sonnet 4.6 scores 0.171 Brier on the 117 questions it returned. OpenForecaster-8B's 93 questions are the ones it returned. Unanswered items were left unanswered.

A later set of 166 settled questions from the same category scores 0.1653 Brier (95% interval 0.136–0.200, clustered by election night).

With the question and the resolution rule alone, AUC is about 0.51. With the evidence supplied, AUC is 0.808.

License

CC BY-NC-4.0. Attribution is required. Commercial use is not permitted.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3_5ForConditionalGeneration
Ревизия весов
8ddcd6f

0 моделей