GATS Cold-Start — это дообученная модель Qwen2.5-7B-Instruct, подготовленная для исследований стратегий холодного старта автономных агентов в среде SciWorld. Модель разработана в рамках коллекции экспериментов для статьи GATS о дистилляции с учётом возможностей агента; она обучалась имитацией поведения учителя Qwen2.5-1.5B, дообученного методом GRPO на задачах SciWorld. Для этого ученик выполнял собственные траектории в среде и оптимизировался по чистой цели on-policy distillation без слагаемого награды RL.

Выпущенный чекпойнт соответствует шагу 29 холодного старта. Это плотная причинная языковая модель семейства Qwen2 с 7,1 млрд параметров, работающая через Transformers; файлы представлены в safetensors, веса чекпойнта — bfloat16. Метаданные указывают контекст до 32 768 токенов. Модель предназначена для воспроизведения базовых экспериментов GATS и сравнения подходов к обучению агентов, а не для универсального диалога. Лицензия — Apache-2.0.

README сообщает точность валидации 18% на этапе до RL, что характеризует ранний чекпойнт и не подтверждает готовность к практическому применению. Язык взаимодействия и конкретные ограничения по языкам в карточке не описаны.