/ Модель

Характеристики

Контекст
40 960 токенов
Параметры
7,6 млрд
Размер весов
16,4 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
Qwen3-8B
Библиотека
transformers
Опубликована
24 сен 2026

resail-qwen3-8b-alfworld-sdpo-c3

Генерация текстаТекст → текст3 профессии

Дообученная Qwen3-8B для управления текстовым агентом и выполнения задач в среде ALFWorld.

123скачиваний за 30 дней0лайковвеса обновлены27 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

HuggingJin выпустил контрольную точку третьего цикла SDPO + ReSAIL — дообученную версию Qwen/Qwen3-8B для текстового управления агентом в среде ALFWorld. Метод ReSAIL дополняет итеративную самодистилляцию агента отборочной дистилляцией с балансировкой траекторий и сохранением привилегированной информации. Модель содержит 7,6 млрд параметров, использует плотную архитектуру Qwen3 и рассчитана на контекст до 40 960 токенов; она принимает текст и генерирует текст.

Сценарии применения

  • выполнение интерактивных задач в ALFWorld
  • управление агентом, который действует по текстовым наблюдениям
  • исследование методов самодистилляции языковых агентов
  • оценка поведения агента на задачах ALFWorld вне обучающего распределения

Ограничения

Оценки в README усреднены по трём seed декодирования, а не по независимым запускам обучения. Модель обучалась для ALFWorld; результаты на других задачах не приведены.

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

SDPO + ReSAIL — Qwen3-8B — ALFWorld — Cycle 3

This repository contains the publicly released Cycle 3 checkpoint of SDPO + ReSAIL, based on Qwen/Qwen3-8B and trained on ALFWorld.

ReSAIL augments iterative agent self-distillation with trajectory-balanced selective distillation and privileged retention.

Code and documentation: ShengjieJin/ReSAIL
All checkpoints: ReSAIL Collection

Evaluation

  • Reported three-decoding-seed mean: ALFWorld ID 82.0%; ALFWorld OOD 75.3%.
  • The reported variation is across decoding seeds, not independent training seeds.
  • Thinking mode was disabled for the text-agent experiments.

Lineage

  • Base model: Qwen/Qwen3-8B
  • Training task: ALFWorld
  • Method: SDPO + ReSAIL
  • Deployment cycle: 3

For environment setup, task data, training, and evaluation instructions, see the ReSAIL repository. The paper link and citation will be added when available.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3ForCausalLM
Ревизия весов
1c13ebe

0 моделей