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-s10t5-gpt54mini-1ep-run-step64

SeanWang0027

Генерация текстаТекст → текст3 профессии

Экспериментальная дообученная Qwen3-1.7B для многошагового управления агентом и решения задач в ScienceWorld.

206скачиваний 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 экспериментальный чекпойнт Qwen3-1.7B, дообученный для управления агентом в среде ScienceWorld. Его разработал автор репозитория SeanWang0027 в рамках исследования обучения многошаговых агентов; базовая модель — Qwen/Qwen3-1.7B. Модель использует плотную архитектуру Qwen3ForCausalLM, содержит 1,7 млрд параметров и рассчитана на контекст до 40 960 токенов. Она принимает текстовые инструкции и наблюдения среды и генерирует текстовые ответы в формате ReAct с рассуждением и предложением действия.

Обучение проводилось методом онлайн-многошагового ROSE: студент выполнял первые 10 ходов эпизода, после чего учитель gpt-5.4-mini продолжал ещё до 5 ходов, а ответы учителя использовались как цели обучения. На тестовом разделении ScienceWorld модель показала 8,88% успешных решений; в том же протоколе базовая Qwen3-1.7B показала 0,12%, а Qwen3-32B — 15,62%. Это специализированный экспериментальный чекпойнт с заметным улучшением относительно исходной модели, но абсолютная успешность решения задач остаётся низкой. Распространяется по лицензии Apache-2.0.

Сценарии применения

выполнение многошаговых научных задач в ScienceWorld
генерация действий агента по текстовым наблюдениям среды
исследование онлайн-обучения языковых моделей с траекториями учителя

Ограничения

В тестировании ScienceWorld успешность составила 8,88% ± 1,78, поэтому надёжность выполнения задач ограничена. Оценка получена на конкретном тестовом протоколе с выключенным thinking и не подтверждает 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 II.2Разработка и данныеСоздание и понимание программного кодаAI помогает писать, объяснять и связывать программный код с требованиями и существующей системой.20 задач21 443модели IV.5Отраслевые задачиОбразование и развитие навыковAI помогает персонализировать обучение и снижать административную нагрузку на преподавателей.34 задачи6 641модель

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Qwen3-1.7B · ScienceWorld · online ROSE 10+5 with a gpt-5.4-mini teacher — separate 1-epoch run, step 64

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). 2059 training task variations, 64 steps = 1 epoch; this is step 64. A separate run from the 3-epoch series (…-ep1 … …-ep6), same hyper-parameters.

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: 8.88% ± 1.78, Avg@1 0.1669. 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: 6f1794d