/ Модель

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

qwen3-1.7b-textcraft-rose-s5t5-qwen3-32b-step36

Генерация текстаТекст → текст3 профессии

Экспериментальная Qwen3-1.7B, дообученная методом онлайн-дистилляции для многошагового управления агентом в TextCraft.

234скачиваний 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 экспериментальная версия Qwen3-1.7B, дообученная командой TextCraft для многошагового взаимодействия с игровым окружением. В обучении использовался онлайн-метод ROSE: студент проходил первые пять ходов эпизода, затем Qwen3-32B продолжал сценарий, а ходы учителя служили целями обучения. Модель основана на плотной архитектуре Qwen3ForCausalLM, содержит 1,7 млрд параметров и рассчитана на контекст до 40 960 токенов.

Модель предназначена для диалогового управления агентом в задачах TextCraft: она получает инструкции и наблюдения среды, затем формирует рассуждение и действие в формате ReAct. Обучение включало 374 задания и 66 шагов; в README результат на официальном тестовом наборе не оценён, поэтому успешность выполнения задач не подтверждена. Также отмечено небольшое расхождение формата между обучением и оценкой. Использовать веса можно на условиях лицензии Apache-2.0.

Сценарии применения

  • генерация ходов агента в TextCraft
  • выбор действий по наблюдениям игрового окружения
  • многошаговые диалоги агента в формате ReAct

Ограничения

Успешность на официальном тестовом наборе TextCraft не оценивалась. В README также отмечено небольшое несовпадение формата наблюдений при обучении и оценке.

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 · TextCraft · online ROSE 5+5 with a Qwen3-32B teacher — step 36 of 66

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 5 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: Qwen3-32B (bf16, local). 374 training tasks, 6 epochs = 66 steps.

Evaluation

TextCraft official test split (100 tasks), avg of 4 passes, temperature 0.4, 512 tokens/turn, 30 turns, thinking off. Success: not evaluated. Reference points on the same protocol: base Qwen3-1.7B 23.00%, Qwen3-32B itself 85.50%.

Notes

Trained with match_chat_template off: every observation follows a generated turn's <|im_end|> without the template's newline, a small train/eval mismatch that later runs fixed.

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
b527b79

0 моделей