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

Ссылки

Hugging Face

qwen3-1.7b-alfworld-rose-s10t5-gpt54mini-ep1-run1

SeanWang0027

Генерация текстаТекст → текст3 профессии

Экспериментальное дообучение Qwen3-1.7B для выполнения многошаговых задач ALFWorld в формате ReAct.

168скачиваний 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 дообученная версия языковой модели Qwen/Qwen3-1.7B, созданная в рамках исследования многошаговых агентов для ALFWorld. Модель обучали методом online multi-turn ROSE: студент взаимодействовал со средой первые 10 ходов, после чего до пяти ходов выполнял учитель gpt-5.4-mini, а ответы учителя использовались как цели обучения. Чекпойнт соответствует первому запуску эпохи 1, шагу 68.

Модель предназначена для генерации ReAct-ответов в многошаговых задачах ALFWorld: по наблюдениям среды формирует рассуждение и действие в заданном формате. В тестировании на 200 играх ALFWorld средний успех составил 34,50% ± 2,42% при четырёх проходах; базовая Qwen3-1.7B на том же протоколе показала 19,38%. Это экспериментальный чекпойнт агента, а не универсальная модель для бытового диалога. Она принимает текст и генерирует текст; указанный для базовой модели контекст — 40 960 токенов. Лицензия — Apache-2.0.

Сценарии применения

выбор действий агента по текстовым наблюдениям ALFWorld
пошаговое выполнение задач в интерактивной среде ALFWorld
генерация ответов в формате ReAct с блоками Thought и Action

Ограничения

В тестировании ALFWorld успех составил 34,50% ± 2,42%, поэтому модель не решает задачи безошибочно. Результаты относятся к указанному протоколу оценки и не подтверждают качество на других средах.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.14Универсальные способностиАвтоматизация процессов и AI-агентыAI помогает выполнять многошаговые цифровые процессы и координировать действия между системами.20 задач26 022модели I.13Универсальные способностиСимуляция, моделирование и открытие новогоAI помогает исследовать сложные системы, проверять сценарии и искать новые конструкции, закономерности или гипотезы.18 задач1 577моделей II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей

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 (first run)

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. This run was stopped at step 95; this is its epoch-1 checkpoint (step 68).

Evaluation

ALFWorld test split (AgentGym, 200 games), avg of 4 passes, temperature 0.4, 512 tokens/turn, 30 rounds, thinking off. Success 34.50% ± 2.42. The repeat run's epoch 1 scored 32.00% (difference +2.50, 95% CI [−1.00, 6.12]). 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: 5d41a08