/ Модель

Характеристики

Контекст
40 960 токенов
Параметры
1,7 млрд
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
Qwen3-1.7B
Библиотека
transformers
Опубликована
20 сен 2026

qwen3-1.7b-agentick-rose-s10t10-qwen3-32b-step200

Генерация текстаТекст → текст3 профессии

Экспериментальная дообученная Qwen3-1.7B для многоходового выбора действий в текстовой среде Agentick.

230скачиваний за 30 дней0лайковвеса обновлены20 сен 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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

Это экспериментальная версия Qwen3-1.7B, дообученная для многоходового управления агентом в текстовой среде Agentick. Автор использовал онлайн-обучение ROSE: студент взаимодействовал со средой, после чего траекторию продолжал учитель Qwen3-32B; целевыми примерами для обучения служили ответы учителя. Модель построена на плотной архитектуре Qwen3ForCausalLM, содержит 1,7 млрд параметров и принимает контекст до 40 960 токенов.

Модель отвечает в формате ReAct: по наблюдениям среды формирует рассуждение и текстовое действие. В однопроходной оценке Agentick на 245 задачах она достигла успешности 11,4%; это выше указанного результата базовой Qwen3-1.7B (5,7%), но ниже приведённых результатов Qwen3-32B и другой версии с обучением teacher-SFT. Результат относится к конкретному протоколу и не гарантирует качество в иных средах. Репозиторий содержит веса safetensors для Transformers; лицензия — Apache-2.0.

Сценарии применения

  • управление агентом в текстовой среде Agentick
  • выбор следующего действия по наблюдениям среды
  • эксперименты с многоходовыми ReAct-агентами
  • сравнение онлайн-дистилляции с обучением по траекториям учителя

Ограничения

В указанной однопроходной оценке Agentick успешность составила 11,4%; результат получен на конкретном наборе задач и не показывает качество в других средах. Модель находится на шаге обучения 200 из запуска, остановленного после шага 400.

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

Qwen3-1.7B · Agentick gridworld · online ROSE 10+10 with a Qwen3-32B teacher — step 200

Student: Qwen/Qwen3-1.7B. Part of a study comparing teacher-trajectory SFT, online multi-turn ROSE and on-policy distillation for multi-turn agents.

Training

Online multi-turn ROSE: the student plays the first 10 turns in a live environment, the teacher continues the same environment for up to 10 turns, and only the teacher's turns are cross-entropy targets. 32 episodes per step, AdamW constant lr 1e-5, bf16, thinking off, 512 tokens per turn. Teacher: Qwen3-32B (bf16, local). Agentick ms60 training split (20000 tasks, 625 steps per epoch); the run was stopped after step 400, this is step 200. 256 tokens per turn.

Evaluation

Agentick official eval (245 tasks, max 60 steps, temperature 0.4, thinking off), one pass: success 11.4%. Reference from a collaborator's run on the same tasks: base Qwen3-1.7B 5.70%, Qwen3-32B 22.40%, teacher-SFT 25.30%.

Prompt format

ReAct, multi-turn chat: the environment's AgentGym instruction as the first user turn, a canned assistant acknowledgement, then one user turn per observation; the model replies Thought:\n...\n\nAction:\n<one action>. Render with Qwen3's chat template and enable_thinking=False.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Репозиторий недоступен на Hugging Face.

Класс архитектуры
Qwen3ForCausalLM
Ревизия весов
66370a9

0 моделей