/ 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-mixed3-sft-qwen3-32b-1ep

Генерация текстаТекст → текст3 профессии

Дообученная Qwen3-1.7B для многошагового управления агентом в ALFWorld и ScienceWorld и выполнения поисковых сценариев в формате ReAct.

192скачиваний 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 модель Qwen3-1.7B от автора репозитория SeanWang0027, предназначенная для управления агентом в средах ALFWorld и ScienceWorld, а также для задач с поиском SearchQA. Модель обучена методом trajectory SFT на 10 479 эпизодах, смешанных из трёх сред: в качестве примеров использовались траектории учителя Qwen3-32B. В диалоге ReAct она получает инструкции и наблюдения среды и формирует ответы с рассуждением и действием.

Модель имеет плотную архитектуру Qwen3, содержит 1,7 млрд параметров и принимает текст. Максимальный контекст — 40 960 токенов. В оценке по протоколу авторов результат составил 48,50% для ALFWorld и 14,37% для ScienceWorld; оценку SearchQA приостановили после 165 эпизодов и результат не приводится. Модель распространяется в формате safetensors по лицензии Apache-2.0. README не сообщает оценку на SearchQA и отмечает, что обучение включало неудачные эпизоды без фильтрации.

Сценарии применения

  • выбор действий агента по наблюдениям в ALFWorld
  • выполнение многошаговых заданий в ScienceWorld
  • генерация Thought и Action в диалоговом цикле ReAct
  • эксперименты с обучением агентов на траекториях учителя
  • оценка поведения компактной языковой модели в средах AgentGym

Ограничения

В опубликованной оценке SearchQA результат отсутствует, поскольку тестирование остановили после 165 эпизодов. Обучающие данные включали неудачные эпизоды без фильтрации; указанные результаты относятся к протоколу оценки автора.

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 + ScienceWorld + SearchQA · mixed 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: the three environments' Qwen3-32B teacher trajectories mixed into one set (10479 episodes), 1 epoch = 327 steps, fp32.

Evaluation

Same per-environment protocols as the single-environment models (avg of 4 passes, T 0.4, thinking off): ALFWorld 48.50%, ScienceWorld 14.37%; the SearchQA evaluation was paused after 165 episodes and is not reported.

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
759be73

0 моделей