Характеристики

Контекст: 40 960 токенов
Параметры: 1,7 млрд
Архитектура: qwen3 · dense
Базовая модель: Qwen3-1.7B
Библиотека: transformers
Опубликована: 21 сен 2026

Ссылки

Hugging Face

qwen3-1.7b-searchqa-tcod-f2b-qwen3-32b-step200

SeanWang0027

Генерация текстаТекст → текст3 профессии

Экспериментальная версия Qwen3-1.7B, дообученная для многошаговых ответов на вопросы с использованием поиска.

214скачиваний за 30 дней0лайковвеса обновлены21 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 методом дистилляции с учителем Qwen3-32B для сценария SearchQA. Обучение использовало набор AgentGym-RL SearchQA и формат диалога ReAct: модель должна работать с вопросами в несколько ходов, взаимодействуя с поисковым агентом. Опубликован экспорт чекпойнта на шаге обучения 200; автор указывает, что модель не оценивалась.

Модель содержит 1,7 млрд параметров, построена на архитектуре Qwen3ForCausalLM и использует библиотеку Transformers. Метаданные указывают контекст до 40 960 токенов. Она принимает текст и генерирует текст; основное назначение — экспериментальные ответы на вопросы с опорой на поиск. Базовая модель — Qwen/Qwen3-1.7B. Условия лицензии в предоставленных данных не приведены.

Сценарии применения

эксперименты с ответами на вопросы через поисковый агент
проверка поведения ReAct-диалогов в SearchQA
исследование дистилляции поисковых навыков из крупной языковой модели

Ограничения

Чекпойнт опубликован на шаге обучения 200 и не оценивался, поэтому качество и надёжность ответов не подтверждены. Лицензия в предоставленных данных не указана.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.1Универсальные способностиПоиск и навигация по информацииAI помогает находить нужные сведения и помогать человеку быстро переходить от вопроса к подтверждённому источнику.18 задач13 467моделей I.14Универсальные способностиАвтоматизация процессов и AI-агентыAI помогает выполнять многошаговые цифровые процессы и координировать действия между системами.20 задач26 022модели I.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Qwen3-1.7B, SearchQA, TCOD-F2B from Qwen3-32B, train step 200

TCOD forward-to-backward (episode window grows) curriculum (kokolerk/TCOD + FutureBridge-OPD overlay, trinity-rft) on AgentGym-RL SearchQA, set up as in docs/TCOD_SEARCHQA.md of the online-rose repo (branch tcod-searchqa): student Qwen3-1.7B, teacher Qwen3-32B bf16, thinking off, ReAct conversation of searchqa/eval_react.py, 16 rounds, 6000-question train split, batch 16 episodes / 64 turns, lr 1e-6, kl_coef 1.0, total_steps 200, checkpoint_steps 6. This is the HF export of trainer step 200. Not evaluated.

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: ea1195b