OEL + ReSAIL — Qwen3-8B — ALFWorld — Cycle 3 — это опубликованный чекпойнт языкового агента, разработанный Shengjie Jin и дообученный на базе Qwen/Qwen3-8B для задач в текстовой среде ALFWorld. Модель использует архитектуру Qwen3 с плотной причинно-языковой сетью примерно на 7,6 млрд параметров и принимает текстовые запросы, выдавая текстовые ответы и действия агента. Длина контекста составляет 40 960 токенов.

При обучении применён метод OEL + ReSAIL: итеративная самодистилляция агента с балансировкой траекторий и сохранением привилегированной информации. В карточке сообщаются средние результаты 82,8% на ALFWorld ID и 78,4% на ALFWorld OOD; усреднение выполнено по трём сидами декодирования, а не по независимым запускам обучения. Режим рассуждений отключался в текстовых экспериментах. Модель предназначена прежде всего для следования инструкциям и выполнения задач в ALFWorld, а не позиционируется как универсальный чат-агент. Распространяется по лицензии Apache-2.0.