Qwen3-1.7B SearchQA TCOD-B2F — экспериментальный чекпойнт, созданный автором SeanWang0027 на базе Qwen3-1.7B. Модель обучалась методом on-policy distillation с curriculum TCOD и учителем Qwen3-32B на задаче AgentGym-RL SearchQA; опубликован экспорт шага обучения 200. Это плотная авторегрессионная модель Qwen3 с 1,7 млрд параметров и контекстом до 40 960 токенов, предназначенная для генерации текста в диалоге с поисковым агентом.

Модель рассчитана на сценарий SearchQA с ReAct-диалогом и использованием поиска для ответа на вопросы. В README указаны 16 раундов взаимодействия и отключённый режим thinking. Чекпойнт не оценивался, поэтому его качество и пригодность для практического применения не подтверждены. Лицензия в предоставленных данных не указана.