/ Модель

Характеристики

Контекст
40 960 токенов
Параметры
1,7 млрд
Размер весов
8,1 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
Qwen3-1.7B
Библиотека
transformers
Опубликована
20 сен 2026

qwen3-1.7b-alfworld-sft-gpt54mini-ep3

Генерация текстаТекст → текст3 профессии

Дообученная Qwen3-1.7B для многошагового выполнения действий в текстовой среде ALFWorld в формате ReAct.

131скачиваний 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 методом trajectory SFT модель Qwen3-1.7B от автора SeanWang0027, предназначенная для многошагового управления агентом в текстовой среде ALFWorld. Она генерирует ответы в формате ReAct: рассуждение Thought и действие Action в ходе диалога с окружением. Обучение проведено на траекториях игр, созданных gpt-5.4-mini; в обучающую выборку вошли и неудачные эпизоды.

Модель содержит 1,7 млрд параметров, использует плотную архитектуру Qwen3ForCausalLM и библиотеку Transformers. Контекст — до 40 960 токенов. В описанном тесте ALFWorld она достигла успешности 58,25% ± 0,43% на 200 играх при усреднении четырёх проходов. Модель рассчитана на текстовый ввод и генерацию текста; заявленные данные не устанавливают отдельный перечень поддерживаемых естественных языков.

Лицензия — Apache-2.0. Результаты относятся к указанному протоколу ALFWorld и не гарантируют аналогичного качества в других средах; модель обучалась на конечном наборе траекторий одного учителя, включая неудачные эпизоды.

Сценарии применения

  • управление агентом в текстовых интерактивных средах
  • пошаговое выполнение инструкций в ALFWorld
  • генерация действий в формате ReAct по наблюдениям окружения

Ограничения

Показатель успешности измерен только на тестовом наборе ALFWorld и зависит от описанного протокола оценки. Обучающие траектории включают неудачные эпизоды, а перенос качества на другие среды не установлен.

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 · trajectory SFT on gpt-5.4-mini rollouts — epoch 3 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

Trajectory SFT: one row per full teacher episode in ChatML, cross-entropy only on each teacher reply and its <|im_end|> (observations, instruction and assistant header are context). Batch 32, AdamW lr 1e-5, weight decay 0, cosine schedule with 10% warmup, fp32 training. Nothing filtered: failed episodes are included. Data: 2420 AgentGym training games played once by gpt-5.4-mini (OpenAI API, reasoning_effort=medium; only the visible reply is used), at most 30 turns, teacher success 58.97%, 49431 supervised turns. One 3-epoch run (225 steps, cosine over all 225), max length 18432; this is step 225, fp32.

Evaluation

ALFWorld test split (AgentGym, 200 games), avg of 4 passes, temperature 0.4, 512 tokens/turn, 30 rounds, thinking off. Success 58.25% ± 0.43. Epochs 1/2/3 of this run: 55.12 / 55.38 / 58.25. Same-teacher online ROSE 10+5 after 3 epochs: 40.25% (SFT − ROSE = +18.00 points, 95% CI [12.75, 23.75]). Reference points on the same protocol: base Qwen3-1.7B 19.38%, Qwen3-32B itself 52.12%.

Notes

Epochs 1–2 are mid-schedule checkpoints (learning rate still high); only epoch 3 saw the full decay. The teacher writes a Thought in only ~13% of its turns and so does this model.

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
f6d26f2

0 моделей