/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,1 млрд
Размер весов
15,2 ГБ
Лицензия
MIT
Архитектура
qwen2 · dense
Базовая модель
Qwen2.5-7B-Instruct
Библиотека
transformers
Опубликована
3 фев 2026

Search-7B-SFT

Генерация текстаТекст → текст3 профессии

Дообученная на Qwen2.5-7B-Instruct языковая модель для начального обучения агента стратегическому поиску в RL-среде.

375скачиваний за 30 дней0лайковвеса обновлены24 фев 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

Jianwen/Search-7B-SFT — контрольная точка для начального этапа обучения агента поиску, подготовленная методом SFT на базе Qwen2.5-7B-Instruct. Модель представляет собой плотную авторегрессионную языковую модель Qwen2 с 7,1 млрд параметров; для запуска и дообучения используется библиотека Transformers, веса опубликованы в формате Safetensors. Заявленная длина контекста — 32 768 токенов.

Модель предназначена для взаимодействия с поисковой RL-средой. В README описаны дистилляция успешных траекторий в стратегические шаблоны, извлечение кратких уроков из неудачных попыток и организация навыков в общие и специфичные для задач категории. Также заявлены постепенное обновление библиотеки навыков по результатам валидации и сжатие хранения траекторий на 10–20% относительно исходных траекторий при сохранении полезности для рассуждений. Лицензия — MIT.

Карточка не уточняет поисковую среду, обучающие данные, качество на независимых оценках или интерфейс выполнения реального веб-поиска. Английский указан среди языков карточки; дополнительных языковых характеристик модель не заявляет.

Сценарии применения

  • генерация стратегий для поискового RL-агента
  • извлечение полезных приёмов из успешных поисковых траекторий
  • составление кратких уроков по ошибкам агента
  • формирование общих и специализированных навыков поиска
  • подготовка стартовой модели для обучения агента поиску

Ограничения

README не раскрывает используемую поисковую среду, обучающие данные и результаты независимых оценок; наличие чекпойнта само по себе не подтверждает работу с реальным веб-поиском.

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

Introduction

SkillRL-Search-SFT is a cold-start checkpoint for the search RL environment.

  • Task: Search
  • Stage: SFT

Key Features

  • Experience-based Skill Distillation: Transforms successful trajectories into strategic patterns and failed ones into concise lessons from failure.

  • Hierarchical SKILLBANK: Organizes knowledge into General Skills for universal strategic guidance and Task-Specific Skills for category-level heuristics.

  • Recursive Skill Evolution: A dynamic mechanism where the skill library co-evolves with the agent's policy during RL by analyzing validation failures.

  • Context Efficiency: Achieves 10-20% token compression compared to raw trajectory storage while enhancing reasoning utility.

Download

You can download the model then run the training scipts in https://github.com/aiming-lab/SkillRL.

Citation

@article{xia2026skillrl,
  title={SkillRL: Evolving Agents via Recursive Skill-Augmented Reinforcement Learning},
  author={Xia, Peng and Chen, Jianwen and Wang, Hanyang and Liu, Jiaqi and Zeng, Kaide and Wang, Yu and Han, Siwei and Zhou, Yiyang and Zhao, Xujiang and Chen, Haifeng and others},
  journal={arXiv preprint arXiv:2602.08234},
  year={2026}
}

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
6eb381e

0 моделей