/ Модель

Характеристики

Контекст
262 144 токена
Лицензия
Apache 2.0
Архитектура
qwen3_5 · dense
Базовая модель
Qwen3.5-9B
Библиотека
transformers
Опубликована
30 июл 2026

OS-Shepherd-9B

Изображение и текст → текст3 профессии

Мультимодальная reward-модель для проверки выполнения задач агентами, управляющими компьютером, по инструкциям, снимкам экрана и журналам действий.

158скачиваний за 30 дней4лайкавеса обновлены7 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 «Изображение → 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

OS-Copilot/OS-Shepherd-9B — мультимодальная reward-модель, разработанная OS-Copilot для оценки траекторий агентов, управляющих компьютером. Она получает инструкцию пользователя, снимки экрана, а также рассуждения и действия агента и выносит обоснованный вердикт SUCCESS или FAIL о выполнении задачи.

Модель дообучена на Qwen/Qwen3.5-9B методом SFT с последующим GRPO на наборе OS-Copilot/OS-Shepherd-100K. Этап обучения с подкреплением был направлен на снижение числа ошибочных оценок SUCCESS. Архитектура — плотная Qwen3.5 с 9 млрд параметров; модель поддерживает изображения и текст и рассчитана на англоязычные сценарии. Для работы README рекомендует использовать канонический формат запросов и траекторий из репозитория OSReward, а также свежую версию Transformers, vLLM или SGLang с поддержкой мультимодальности Qwen3.5.

Модель подходит для проверки результатов компьютерных агентов и оценки их траекторий. Она распространяется по лицензии Apache-2.0. Качество оценки зависит от соблюдения ожидаемого формата запросов и траекторий; модель предназначена для вынесения вердиктов, а не для непосредственного управления компьютером.

Сценарии применения

  • проверка, выполнил ли компьютерный агент пользовательскую задачу
  • оценка траекторий действий агента по снимкам экрана
  • выявление ошибочных заявлений агента об успешном выполнении
  • автоматическая разметка результатов работы GUI-агентов

Ограничения

Для корректной оценки требуется канонический формат запросов и траекторий из OSReward и среда выполнения с мультимодальной поддержкой Qwen3.5. Модель выносит вердикты о завершении задач и не предназначена для непосредственного управления компьютером.

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

OS-Shepherd-9B

OS-Shepherd-9B is an open multimodal reward model for judging computer-use agent trajectories. Given a task instruction, screenshots, and the agent's reasoning and actions, it determines whether the task was completed and returns a reasoned SUCCESS or FAIL verdict.

It is fine-tuned from Qwen3.5-9B on OS-Shepherd-100K using SFT followed by GRPO, with the RL stage focused on reducing false-success judgments.

Usage

Use the canonical prompt and trajectory format from the OSReward repository. A recent Transformers, vLLM, or SGLang version with Qwen3.5 multimodal support is required.

This model is intended for trajectory evaluation, data filtering, and reward-model research. It is not a computer-control policy and may still miss fine-grained visual failures, especially on hard cases.

License

Apache License 2.0. See LICENSE.

Citation

@article{sun2026osreward,
  title={OSReward: Instituting Standardized Evaluation for Cross-Platform Computer-Use Reward Models},
  author={Sun, Qiushi and others},
  journal={arXiv preprint arXiv:2607.28609},
  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
Qwen3_5ForConditionalGeneration
Ревизия весов
6f40205

0 моделей