/ Модель

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

qwen3-1.7b-textcraft-sft-qwen3-32b-messages-buggy

Генерация текстаТекст → текст3 профессии

Экспериментальная версия Qwen3-1.7B с ошибкой в обучающих данных для генерации ходов агента ReAct в задачах TextCraft.

226скачиваний 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 выпустил экспериментальную дообученную версию Qwen3-1.7B для генерации ответов в многошаговых задачах TextCraft. Модель обучалась на тех же данных, что и qwen3-1.7b-textcraft-sft-qwen3-32b-traj, с помощью MultiTurnSFTDataset из verl и шаблона чата Qwen3; в данных обучения была ошибка обработки сообщений. Это плотная языковая модель на 1,7 млрд параметров, сохранённая в формате bf16, с контекстом до 40 960 токенов.

Модель рассчитана на многошаговое взаимодействие с окружением в стиле ReAct: получает инструкции и наблюдения в сообщениях пользователя, затем генерирует мысль и действие. На официальном тестовом наборе TextCraft (100 задач, в среднем по четырём запускам) результат составил 48,75%; 74,42% ходов были сформированы с ошибками, а корректно обученная версия достигла 72,75%. Автор указывает, что эту модель не следует использовать как базовую линию: она документирует ошибку конвейера данных. Лицензия — Apache-2.0.

Сценарии применения

  • изучение влияния ошибок шаблонизации чата на обучение агента
  • воспроизведение эксперимента TextCraft с многошаговыми действиями
  • анализ некорректных ответов агента ReAct
  • сравнение с корректно обученной версией модели

Ограничения

В оценке TextCraft 74,42% ходов были сформированы некорректно; автор не рекомендует использовать модель как базовую линию. Результат на тесте — 48,75%, тогда как корректно обученная версия набрала 72,75%.

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 · SFT through verl's MultiTurnSFTDataset — KNOWN-BAD, kept for reference

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

Same data as qwen3-1.7b-textcraft-sft-qwen3-32b-traj, but trained through verl's MultiTurnSFTDataset with a Qwen3 chat template, which chops the <|im_start|>user header off most observations and puts the assistant header and empty think block inside the loss. Stored in bf16.

Evaluation

TextCraft official test split (100 tasks), avg of 4 passes, temperature 0.4, 512 tokens/turn, 30 turns, thinking off. Success 48.75% with 74.42% of turns malformed (the model loops </think>). The correctly trained model scores 72.75%.

Notes

Do not use this model as a baseline; it documents a data-pipeline bug, not a method.

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
93a3b42

0 моделей