/ Модель

Характеристики

Контекст
262 144 токена
Лицензия
Apache 2.0
Архитектура
qwen3_5_moe · dense
Базовая модель
Qwen3.5-35B-A3B
Библиотека
transformers
Опубликована
18 авг 2026

Qwen3.5-35B-A3B-Asis

Генерация текстаТекст → текст3 профессии

Исследовательская англоязычная MoE-модель для изучения поведения веб-поисковых агентов, дообученная на исходных траекториях использования инструментов.

29скачиваний за 30 дней0лайковвеса обновлены18 авг 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

Qwen3.5-35B-A3B-Asis — исследовательская дообученная модель Minbyul на базе Qwen/Qwen3.5-35B-A3B. Она служит контрольной версией в исследовании влияния обработки обучающих данных на чрезмерные размышления веб-поисковых агентов: модель обучена методом supervised fine-tuning на корпусе траекторий веб-агентов без фильтрации и редактирования. Архитектура MoE содержит около 35 млрд параметров, из которых активно около 3 млрд на токен; доступны веса bf16 в формате safetensors. Контекст обучения — 131 072 токена.

Модель предназначена для изучения поведения агентов, использующих инструменты веб-поиска, открытия страниц и поиска по их содержимому, а также как базовая SFT-версия для контролируемых экспериментов и начальная точка для RL-обучения. Она рассчитана на многошаговые диалоги с вызовами инструментов и результатами их работы; основное внимание уделено англоязычным рассуждениям.

Модель наследует склонность исходных траекторий к избыточному поиску и проверкам даже после получения ответа и не является универсальной ассистентской настройкой. Дополнительное выравнивание безопасности не проводилось. Лицензия — Apache-2.0.

Сценарии применения

  • исследование избыточных поисковых циклов у веб-агентов
  • оценка остановки агента после нахождения достаточных доказательств
  • генерация траекторий агента с поиском и открытием веб-страниц
  • контролируемое сравнение способов очистки данных для веб-агентов
  • инициализация модели для последующего RL-обучения веб-агента

Ограничения

Модель настроена под заданный формат веб-инструментов и не предназначена для роли универсального ассистента; она наследует избыточный поиск и повторные проверки из исходных траекторий. Дополнительное выравнивание безопасности не проводилось.

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

Qwen3.5-35B-A3B-Asis

Asis is the unmodified-baseline arm of a four-arm controlled study of training-data interventions against over-reflection in web-search agents. It is a supervised fine-tune of Qwen/Qwen3.5-35B-A3B on an in-house corpus of web-search agent trajectories, used as-is — no filtering, deletion, or editing. The three sibling arms (Drop, Repair, Correct) apply different intervention classes to the same corpus, so this model serves as the common reference point.

This repository contains the full serving weights (13 safetensors shards, ~65 GB, bf16) plus tokenizer, config, and chat template.

Model description

  • Architecture: Qwen3.5-35B-A3B — a mixture-of-experts (MoE) decoder-only transformer with ~35B total parameters and ~3B active per token. Architecture, tokenizer, and chat/tool-calling template are unchanged from the base model.
  • Training context length: 131,072 tokens (full agent trajectories, multi-turn with interleaved tool calls and tool results).
  • Behavior domain: multi-turn web-browsing agentic tool use (search / page-open / in-page find style tool surface) with explicit reasoning.

Training procedure

Full-parameter supervised fine-tuning on a Megatron-based distributed training stack.

HyperparameterValue
Epochs2
Global batch size128
Learning rate5e-6, cosine decay to 5e-7
Sequence length131,072
Objectivetoken-level cross-entropy on assistant turns (trajectory imitation)

The four-arm design

All four arms start from the same base model and the same in-house web-search trajectory corpus; they differ only in what is done to the corpus before training. The interventions are organized around an A–G taxonomy of over-reflection behaviors in browsing agents (e.g., post-answer verification loops, redundant re-search after sufficient evidence has been gathered, ungrounded reasoning not supported by retrieved content), described in the associated research.

ArmIntervention class
Asis (this model)none — unmodified trajectory imitation baseline
Droptyped whole-trajectory deletion of pathological over-reflection types
Repairtaxonomy-guided surgical repair (truncate post-evidence over-search tails; remove ungrounded trajectories)
Correctcorrectness-filtered subset (deterministic answer matching)

An RL continuation of this arm is released as Qwen3.5-35B-A3B-Asis-GRPO.

Intended use

Research artifact. Intended for studying over-reflection, stopping behavior, and search efficiency in tool-using web agents, and as a controlled SFT baseline / RL initialization. It expects a browsing-agent tool surface compatible with its training format (function-calling tools for web search, page opening, and in-page lookup).

Limitations

  • Behavior is tuned for the browsing-agent tool surface described above; it is not a general-purpose assistant fine-tune.
  • As the unmodified baseline arm, this model inherits the over-reflection pathologies present in raw agent trajectories (e.g., continued searching after the answer has already been stated); that is by design — it is the control condition.
  • No additional safety alignment was applied beyond what the base model provides.
  • Trained primarily for English-language reasoning traces.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3_5MoeForConditionalGeneration
Ревизия весов
b45ea46

0 моделей