/ 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-sciworld

Генерация текстаТекст → текст3 профессии

Экспериментальный чекпойнт Qwen2.5-7B, дообученный на успешных траекториях SciWorld для исследований холодного старта агентного обучения с подкреплением.

183скачиваний 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

C12H18/gats-coldstart-sft-qwen2.5-7b-sciworld — исследовательский чекпойнт, созданный в рамках коллекции cold-start для статьи GATS о дистилляции с учётом возможностей агента. Это плотная авторегрессионная модель Qwen2.5 на 7,1 млрд параметров, дообученная методом supervised fine-tuning на успешных траекториях учителя Qwen2.5-1.5B, предварительно обученного с GRPO на задачах SciWorld. Обучающий корпус содержит 5 419 многоходовых строк по 155 задачам; контрольная точка — global_step_507. Валидация до RL показала 28,1% на использованной авторами схеме оценки.

Модель предназначена для исследований стратегий холодного старта агентного обучения с подкреплением и воспроизведения базовых результатов GATS, а не для универсального диалогового помощника. Она генерирует текст в формате чата, использует библиотеку Transformers и поддерживает контекст до 32 768 токенов. Веса сохранены в float32; авторы указывают, что для инференса их можно привести к bfloat16. Доступна по лицензии Apache-2.0.

Сценарии применения

  • воспроизведение базовых экспериментов GATS на SciWorld
  • исследование холодного старта агента через имитацию траекторий учителя
  • генерация многоходовых текстовых траекторий для задач SciWorld

Ограничения

Модель предназначена для исследовательских экспериментов на задачах SciWorld и не позиционируется как универсальный помощник. Указанная авторами валидация до RL составила 28,1% в их схеме оценки; переносимость результата на другие задачи не установлена.

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 (SciWorld)

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 SciWorld 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 SciWorld 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: 5,419 rows over 155 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_507 ("128-task" corpus group)
  • Validation before any RL: 28.1% (train-time val at RL step 0)

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
e7b51ea

0 моделей