/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Размер весов
30,5 ГБ
Лицензия
Apache 2.0
Архитектура
qwen2 · dense
Базовая модель
Qwen2.5-7B-Instruct
Библиотека
transformers
Опубликована
29 сен 2026

gats-coldstart-sft-qwen2.5-7b-alfworld

Генерация текстаТекст → текст3 профессии

Дообученная Qwen2.5-7B модель для исследования холодного старта агентного обучения на задачах ALFWorld.

158скачиваний за 30 дней0лайковвеса обновлены29 сен 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

GATS Cold-Start — исследовательский чекпойнт Qwen2.5-7B-Instruct, дообученный методом supervised fine-tuning на успешных траекториях учителя Qwen2.5-1.5B, обученного с GRPO на задачах ALFWorld. Модель предназначена для изучения стратегий холодного старта агентного обучения с подкреплением и воспроизведения базовых экспериментов статьи GATS, а не для использования как универсальный помощник.

Обучающий корпус включает 13 970 многоходовых примеров по 239 задачам; обучение проведено за три эпохи. На вневыборочном разбиении ALFWorld до RL-обучения указана точность 64,1%. Архитектура — плотная авторегрессионная Qwen2 с 7,1 млрд параметров; контекст — до 32 768 токенов. Репозиторий содержит веса safetensors в float32. Модель принимает текстовые диалоги и генерирует текстовые действия или ответы в рамках задач ALFWorld. Лицензия — Apache-2.0.

Сценарии применения

  • воспроизведение базовых экспериментов статьи GATS
  • изучение имитационного холодного старта перед RL-обучением агента
  • генерация многоходовых действий в задачах ALFWorld
  • оценка поведения агента на вневыборочном разбиении ALFWorld

Ограничения

Модель обучена для задач ALFWorld и не предназначена для роли универсального помощника; указанная оценка относится к конкретному вневыборочному разбиению до RL-обучения. Для инференса веса float32 при необходимости можно преобразовать в bfloat16.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

GATS Cold-Start: SFT cold-start (ALFWorld)

Part of the Cold-start collection for the GATS paper (capability-aware on-policy distillation). Student: Qwen2.5-7B-Instruct; teacher: Qwen2.5-1.5B GRPO-trained on ALFWorld train tasks.

Cold-start phase: supervised fine-tuning

Fine-tuned on successful trajectories of a Qwen2.5-1.5B teacher (itself GRPO-trained for 150 steps on the ALFWorld train tasks). Corpus: teacher rollouts (18-21 sampling steps x 16 tasks x 8 rollouts per task), success-filtered, capped at 4 / floored at 2 trajectories per task, rendered as per-turn multiturn rows (loss on assistant spans); every turn is byte-verified against the teacher tokenizer's chat template.

  • Corpus: 13,970 rows over 239 unique tasks
  • Training: 3 epochs, lr 1e-5, global batch 32 (micro-batch 8/GPU), FSDP, multiturn format with loss on assistant spans
  • Checkpoint: global_step_1308 ("128-task" corpus group)
  • Validation before any RL: 64.1% (train-time val at RL step 0; ALFWorld out-of-distribution split)

Storage

Weights are stored in float32 (7 shards). Cast to bfloat16 for inference if preferred; this is the unmodified SFT trainer checkpoint.

Intended use

Research on cold-start strategies for agent RL (imitation-first vs RL-from-scratch) and reproduction of the GATS paper baselines. Not a general-purpose assistant.

Provenance

Trained 2026-09-28 on the internal verl-based stack; checkpoints uploaded unmodified from the training runs (bfloat16 unless noted float32 above).

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2ForCausalLM
Ревизия весов
4e71717

0 моделей