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

Ссылки

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

Генерация текстаТекст → текст3 профессии

Компактная модель Qwen3-1.7B, дообученная на траекториях Qwen3-32B для выполнения многошаговых задач в научной среде ScienceWorld.

230скачиваний 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/qwen3-1.7b-sciworld-sft-qwen3-32b-1ep — компактная модель на базе Qwen3-1.7B, дообученная методом trajectory SFT на траекториях прохождения ScienceWorld, сгенерированных Qwen3-32B. Это плотная языковая модель с 1,7 млрд параметров, предназначенная для генерации текста и многошагового взаимодействия с научной средой в формате ReAct. Она получает инструкцию и последовательность наблюдений в диалоге, а в ответ формирует рассуждение и действие; контекст модели составляет до 40 960 токенов.

На тестовой выборке ScienceWorld модель показала 13,12% успешных решений при описанном в карточке протоколе; базовая Qwen3-1.7B на том же протоколе показала 0,12%, а Qwen3-32B — 15,62%. Обучение длилось одну эпоху на 2059 вариациях задач, включая неудачные траектории учителя, поэтому результаты зависят от сценария и протокола оценки. Модель опубликована в формате safetensors и распространяется по лицензии Apache-2.0.

Сценарии применения

прохождение задач в симуляторе ScienceWorld
выбор действий по последовательности наблюдений среды
многошаговое выполнение научных задач в формате ReAct

Ограничения

На тестовой выборке ScienceWorld успех составил 13,12% при указанном протоколе оценки; модель обучалась только одну эпоху на траекториях учителя, включая неудачные эпизоды. Эти результаты относятся к ScienceWorld и не подтверждают качество на других задачах.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

IV.6Отраслевые задачиНаучные исследования, математика и новые материалыAI помогает формировать гипотезы, анализировать научные данные и ускорять открытие новых материалов и методов.39 задач4 120моделей IV.5Отраслевые задачиОбразование и развитие навыковAI помогает персонализировать обучение и снижать административную нагрузку на преподавателей.34 задачи6 641модель 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

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Qwen3-1.7B · ScienceWorld · 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: 2059 training task variations played once by Qwen3-32B at temperature 1.0 (teacher success 17.10%). 1 epoch = 64 steps, max length 8192. 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 13.12%, Avg@1 0.2645. 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: d3a6963