/ Модель

Характеристики

Контекст
40 960 токенов
Параметры
7,6 млрд
Архитектура
qwen3 · dense
Базовая модель
Qwen3-8B
Библиотека
transformers
Опубликована
22 сен 2026

rsr-qwen3-8b-terminal-lego-low

Генерация текстаТекст → текст3 профессии

Исследовательская дообученная версия Qwen3-8B для генерации текста в сценариях терминального агента.

140скачиваний за 30 дней0лайковвеса обновлены22 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

Qwen3-8B Terminal-Lego RSR-low SFT — исследовательский чекпойнт Micsiu, полученный полным дообучением Qwen/Qwen3-8B на траекториях задач Terminal-Lego. Он предназначен для генерации текста в сценариях терминального агента и диалогового взаимодействия; архитектура — плотная Qwen3ForCausalLM, размер — 7,6 млрд параметров, контекст — до 40 960 токенов. Модель принимает текст и выдаёт текст.

Чекпойнт обучен на 1 692 траекториях, отобранных по метрике RSR, и прошёл ограниченную предварительную оценку на подмножестве TBLite. Результаты служат лишь направленным свидетельством: оценка охватывала одну попытку на 30 задачах, а доверительный интервал парной разницы включал ноль. Авторы отмечают ограничения данных и эксперимента, включая один обучающий seed и отсутствие итоговой оценки на Terminal-Bench 2.0. Это исследовательский артефакт, а не подтверждённая универсальная модель терминального агента. Лицензия в предоставленных данных не указана.

Сценарии применения

  • генерация ответов терминального агента
  • выполнение задач Terminal-Lego через диалоговый интерфейс
  • эксперименты с отбором траекторий для обучения терминальных агентов

Ограничения

Оценка ограничена одной попыткой на 30 задачах TBLite, а доверительный интервал парной разницы включает ноль; итоговой оценки на Terminal-Bench 2.0 нет. Обучение использовало один seed и 1 692 траектории, поэтому качество модели как терминального агента не подтверждено для широкого применения.

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

Qwen3-8B Terminal-Lego RSR-low SFT

This is the final epoch-3 checkpoint from a small controlled full-SFT study of student-aware Rank-Surprisal Ratio (RSR) trajectory selection.

Training data

  • 1,692 Terminal-Lego tasks sampled with seed 42 from 8,070 tasks shared by four teachers.
  • One complete, verifier-passing trajectory per task, selected by the lowest pre-SFT Qwen3-8B RSR subject to exactly 423 examples per teacher.
  • 3,797,689 assistant target tokens per epoch and 10,123,275 sequence tokens.
  • The selected arm naturally overlaps its compute-matched random control on 504/1,692 trajectories.

Training recipe

  • Base: Qwen/Qwen3-8B@b968826d9c46dd6066d109eabc6255188de91218
  • Full SFT on all assistant turns, Qwen3 template, cutoff 40,960
  • Three epochs, 636 optimizer steps, global batch 8, seed 42
  • Learning rate 1e-5, cosine decay, 5% warmup, AdamW betas (0.9, 0.95)
  • BF16, four-way ZeRO-3, FlashAttention 2, Liger, no sequence packing

Screening result and limitations

On one stochastic attempt over a fixed 30-task TBLite subset, this checkpoint scored 0.1711 versus 0.1333 for the compute-matched random-control checkpoint. The paired difference was +0.0378 with 4 wins, 2 losses, and 24 ties; its paired task bootstrap 95% interval was [-0.100, 0.180]. This is directional screening evidence, not a statistically decisive result.

The study used one training seed, one random-selection seed, only 1,692 trajectories and three epochs. It has no clean same-run base anchor, high-RSR trained arm, multi-attempt TBLite estimate, or final 89-task Terminal-Bench 2.0 result. Teacher-specific token exposure also differs between the selected and random arms. The checkpoint should therefore be treated as a research artifact, not as a generally validated terminal-agent model.

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
1c6ba6c

0 моделей