/ Модель

Характеристики

Контекст
40 960 токенов
Параметры
1,7 млрд
Размер весов
4,1 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
Qwen3-1.7B
Библиотека
transformers
Опубликована
20 сен 2026

qwen3-1.7b-alfworld-sft-qwen3-32b-1ep

Генерация текстаТекст → текст3 профессии

Дообученная Qwen3-1.7B для многошагового управления агентом в текстовой среде ALFWorld с выводом действий в формате ReAct.

142скачиваний 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 выпустил дообученную методом trajectory SFT модель Qwen3-1.7B для многошагового управления агентом в текстовой среде ALFWorld. Модель с архитектурой Qwen3ForCausalLM содержит 1,7 млрд параметров, принимает диалоговый текст и генерирует текстовые ответы в формате ReAct: рассуждение и действие для очередного наблюдения среды. Используется шаблон чата Qwen3 с отключённым режимом thinking; длина контекста — до 40 960 токенов.

При обучении на одном проходе использовались эпизоды, сыгранные Qwen3-32B; в обучающих данных были как успешные, так и неуспешные эпизоды. В описанном тесте ALFWorld модель достигла успешности 48,75% ± 1,03% в среднем по четырём проходам; это результат конкретного протокола оценки, а не гарантия для других сред. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • выполнение многошаговых заданий в ALFWorld
  • выбор действий агента по текстовым наблюдениям среды
  • исследование обучения агентов на траекториях учителя
  • сравнение методов дообучения многошаговых языковых агентов

Ограничения

Модель обучена на траекториях для ALFWorld, поэтому её результаты в других средах и задачах не установлены. В обучающую выборку включены неуспешные эпизоды, а указанная успешность относится к конкретному тестовому протоколу.

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 Qwen3-32B rollouts — 1 epoch

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 training games played by Qwen3-32B (dataset SeanWang0027/alfworld-teacher-sft-qwen3-32b, teacher success 55.70%, 49421 turns). 1 epoch = 75 steps, max length 18432. Stored in bf16.

Evaluation

ALFWorld test split (AgentGym, 200 games), avg of 4 passes, temperature 0.4, 512 tokens/turn, 30 rounds, thinking off. Success 48.75% ± 1.03. 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
3abf788

0 моделей