/ 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-sciworld-sft-gpt54mini-1ep-run

Генерация текстаТекст → текст3 профессии

Дообученная Qwen3-1.7B модель генерирует многошаговые ReAct-действия для выполнения заданий в симуляторе ScienceWorld.

226скачиваний 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 supervised fine-tuning модель Qwen3-1.7B для управления агентом в среде ScienceWorld. Она обучена на траекториях диалогов gpt-5.4-mini: наблюдения среды и инструкция подаются в контексте, а модель генерирует ответы в формате ReAct с рассуждением и действием. Модель содержит 1,7 млрд параметров, использует архитектуру Qwen3ForCausalLM и поддерживает контекст до 40 960 токенов. Веса сохранены в bf16 и формате safetensors; для запуска предусмотрена библиотека Transformers.

В тестировании на 200 заданиях ScienceWorld средний показатель успеха составил 9,12% ± 1,78; базовая Qwen3-1.7B на том же протоколе набрала 0,12%. Это специализированный экспериментальный чекпойнт для многошаговых агентов, а не универсальный чат-ассистент. В README отмечено, что модель часто выдает шаблон действия open/close OBJ, который симулятор отклоняет. Лицензия — Apache-2.0.

Сценарии применения

  • выполнение заданий ScienceWorld в несколько шагов
  • генерация действий агента по наблюдениям симулятора
  • исследование обучения агентов на траекториях учителя
  • сравнение методов SFT и дистилляции для игровых сред

Ограничения

На тестовом наборе ScienceWorld успех составил 9,12% ± 1,78. Модель часто выводит шаблон действия open/close OBJ, который симулятор отклоняет.

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 · ScienceWorld · trajectory SFT on gpt-5.4-mini rollouts — separate 1-epoch run

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: 2059 training task variations played once by gpt-5.4-mini (OpenAI API, reasoning_effort=medium; only the visible reply is used), teacher success 41.96%, 46035 supervised turns. 1 epoch = 64 steps with its own full cosine decay (unlike …-sft-gpt54mini-ep1, which is a mid-schedule checkpoint of the 3-epoch run). Stored in bf16.

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 9.12% ± 1.78, Avg@1 0.1467. Reference points on the same protocol: base Qwen3-1.7B 0.12%, Qwen3-32B itself 15.62%.

Notes

The teacher copies the prompt's action template open/close OBJ literally in 29.89% of its turns (always rejected by the simulator); this model emits it on 66.64% of its turns.

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
e3d88b2

0 моделей