/ 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-alfworld-rose-s10t5-gpt54mini-ep1

Генерация текстаТекст → текст3 профессии

Экспериментальное дообучение Qwen3-1.7B для многоходового управления агентом в текстовой среде ALFWorld.

172скачиваний 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 экспериментальный чекпойнт SeanWang0027, полученный дообучением Qwen/Qwen3-1.7B для многоходового взаимодействия с виртуальной средой ALFWorld. Модель использует плотную архитектуру Qwen3ForCausalLM, содержит 1,7 млрд параметров и принимает текстовые диалоги в формате ReAct: после наблюдения она формирует мысль и действие. Контекстная длина, указанная в метаданных, составляет 40 960 токенов.

Обучение выполнено методом online multi-turn ROSE: студент сначала играет 10 ходов, затем до 5 ходов продолжает учитель gpt-5.4-mini, а ответы учителя используются как целевые. На тестовом наборе ALFWorld модель показала успешность 32,00% ± 0,71; в README приведены результаты других эпох и базовой модели для сравнения. Чекпойнт опубликован в формате Safetensors под лицензией Apache-2.0. Результаты относятся к конкретному протоколу ALFWorld и не подтверждают пригодность модели для широкого круга агентных задач.

Сценарии применения

  • выполнение задач ALFWorld по текстовым наблюдениям
  • выбор следующего действия в многоходовом диалоге с игровой средой
  • тестирование стратегий ReAct-агентов
  • исследование дистилляции траекторий учителя для языковых агентов

Ограничения

В тесте ALFWorld успешность составила 32,00% ± 0,71 и заметно зависела от эпохи обучения; README сообщает, что обучение не было завершено до всех трёх запланированных эпох. Данные не подтверждают качество за пределами ALFWorld и описанного протокола.

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 · ALFWorld · online ROSE 10+5 with a gpt-5.4-mini teacher — epoch 1 of 3

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 5 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: gpt-5.4-mini (OpenAI API, reasoning_effort=medium; only the visible reply is used). 2181 training games, 68 steps per epoch, 3 epochs = 204 steps; this is step 68. About 7% of steps were empty because the ALFWorld env server had to be recycled (disk leak).

Evaluation

ALFWorld test split (AgentGym, 200 games), avg of 4 passes, temperature 0.4, 512 tokens/turn, 30 rounds, thinking off. Success 32.00% ± 0.71. Epochs 1/2/3: 32.00 / 42.00 / 40.25. Same-teacher trajectory SFT after 3 epochs: 58.25% (SFT − ROSE = +18.00, 95% CI [12.75, 23.75]). Reference points on the same protocol: base Qwen3-1.7B 19.38%, Qwen3-32B itself 52.12%.

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
827dc2b

0 моделей