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-sciworld-rose-s10t20-qwen3-32b

SeanWang0027

Генерация текстаТекст → текст3 профессии

Дообученная Qwen3-1.7B для управления агентом в многоходовых научных задачах ScienceWorld.

189скачиваний 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 экспериментальная дообученная модель Qwen3-1.7B, созданная для управления агентом в задачах научной среды ScienceWorld. Разработчик обучал её методом online multi-turn ROSE: модель выполняла первые 10 ходов эпизода, после чего траекторию продолжал учитель Qwen3-32B, а его ходы использовались как цели обучения. Модель основана на Qwen/Qwen3-1.7B и имеет плотную архитектуру Qwen3ForCausalLM с 1,7 млрд параметров.

Модель принимает текстовые инструкции и наблюдения среды в формате многоходового диалога ReAct и генерирует текстовые рассуждения и действия. Контекст составляет до 40 960 токенов; в описанном протоколе использовались ответы до 512 токенов на ход. На тестовом разделении ScienceWorld результат успешного выполнения задач составил 6,12% при указанном протоколе оценки; это выше результата базовой модели 0,12%, но ниже результата учителя Qwen3-32B — 15,62%. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

выбор действий в задачах среды ScienceWorld
генерация ReAct-ответов по наблюдениям симулятора
эксперименты с многоходовыми языковыми агентами
исследование дистилляции траекторий от большой языковой модели

Ограничения

На тестовом протоколе ScienceWorld успешность составила 6,12%, поэтому модель может часто выбирать неверные действия. Этот результат относится к описанному формату промпта и настройки оценки и не гарантирует качество в других средах.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

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 IV.6Отраслевые задачиНаучные исследования, математика и новые материалыAI помогает формировать гипотезы, анализировать научные данные и ускорять открытие новых материалов и методов.39 задач4 120моделей II.2Разработка и данныеСоздание и понимание программного кодаAI помогает писать, объяснять и связывать программный код с требованиями и существующей системой.20 задач21 443модели

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Qwen3-1.7B · ScienceWorld · online ROSE 10+20 with a Qwen3-32B teacher — 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

Online multi-turn ROSE: the student plays the first 10 turns in a live environment, the teacher continues the same environment for up to 20 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: Qwen3-32B (bf16, local). 2059 training task variations, 64 steps.

Evaluation

ScienceWorld test split (AgentGym, 200 task variations), avg of 4 passes, temperature 0.4, 512 tokens/turn, 30 rounds, thinking off, no system turn. Success 6.12%, the same as ROSE 10+5 with this teacher (6.50%). Reference points on the same protocol: base Qwen3-1.7B 0.12%, Qwen3-32B itself 15.62%.

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: e143dbc