/ 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-step66

Генерация текстаТекст → текст3 профессии

Дообученная Qwen3-1.7B для выполнения многоходовых задач в TextCraft с генерацией действий в формате ReAct.

225скачиваний 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 дообученная модель Qwen3-1.7B, созданная в рамках исследования многоходовых агентов для среды TextCraft. Её обучали методом online multi-turn ROSE: студент выполнял первые пять ходов, после чего учитель Qwen3-32B продолжал эпизод ещё до пяти ходов, а ответы учителя использовались как цели обучения. Модель имеет плотную архитектуру Qwen3ForCausalLM, содержит 1,7 млрд параметров и рассчитана на контекст до 40 960 токенов.

Модель предназначена для диалогового взаимодействия с TextCraft в формате ReAct: по наблюдениям среды она формирует рассуждение и действие, продолжая многоходовую задачу. В описанной оценке на 100 тестовых задачах TextCraft средний успех составил 54,75% при четырёх проходах; для сравнения, базовая Qwen3-1.7B достигла 23%, а Qwen3-32B — 85,5%. В обучении и оценке использовались отключённый режим thinking и ограничение 512 токенов на ход. Указано небольшое несоответствие между форматированием обучающих и оценочных данных, поэтому результат не гарантирует успеха на других сценариях. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • прохождение многоходовых задач TextCraft
  • выбор действий игрового агента по наблюдениям среды
  • генерация ответов Thought и Action в формате ReAct

Ограничения

Результат 54,75% относится к указанному тестовому протоколу TextCraft и не подтверждает качество в других средах. В README отмечено небольшое расхождение формата обучающих и оценочных данных; на ход использовался лимит 512 токенов.

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 66 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: 54.75%. 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
f28117c

0 моделей