/ 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-step300

Генерация текстаТекст → текст3 профессии

Экспериментальное дообучение Qwen3-1.7B для многошагового управления агентом в текстовой gridworld-среде Agentick.

212скачиваний 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

SeanWang0027/qwen3-1.7b-agentick-rose-s10t10-qwen3-32b-step300 — экспериментальный чекпойнт Qwen3-1.7B, созданный дообучением командой SeanWang0027 для многошагового управления агентом в среде Agentick. Модель обучалась по схеме online multi-turn ROSE: студент выполнял первые 10 ходов в живой среде, после чего учитель Qwen3-32B продолжал эпизод до 10 ходов, а его ответы использовались как целевые примеры. Это шаг 300 экспериментального запуска, остановленного на шаге 400.

Модель предназначена для диалогового взаимодействия с gridworld-средой через формат ReAct: она получает инструкции и наблюдения, затем формирует рассуждение и действие. Архитектура — плотная авторегрессионная Qwen3ForCausalLM на 1,7 млрд параметров; поддерживается контекст до 40 960 токенов. В описании обучения указаны ходы длиной до 512 токенов, а в формате промпта — ограничение в 256 токенов на ход. Карточка не приводит отдельный результат оценки этой версии: указано, что для одного прохода успешность не оценивалась. Базовая модель лицензирована по Apache-2.0.

Сценарии применения

  • выбор действий агента по наблюдениям в gridworld
  • многошаговое взаимодействие с Agentick в формате ReAct
  • генерация ответов Thought и Action для игрового агента

Ограничения

Для этой версии не приведена оценка успешности; указано, что в одном проходе она не оценивалась. Это промежуточный экспериментальный чекпойнт шага 300, а в README расходятся указанные ограничения длины хода: 512 токенов в описании обучения и 256 в формате промпта.

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 300

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 300. 256 tokens per turn.

Evaluation

Agentick official eval (245 tasks, max 60 steps, temperature 0.4, thinking off), one pass: success not evaluated. 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
f9d819a

0 моделей