/ Модель

Характеристики

Контекст
40 960 токенов
Параметры
3,7 млрд
Размер весов
8,8 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
Qwen3-4B
Библиотека
transformers
Опубликована
7 июл 2026

Qwen3-4B-ToolUse-RLRT-TR

Генерация текстаТекст → текст3 профессии

Экспериментальный чекпойнт Qwen3-4B, дообученный методом RLRT-TR для исследования использования инструментов.

8скачиваний за 30 дней0лайковвеса обновлены7 июл 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

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

SeongryongJung/Qwen3-4B-ToolUse-RLRT-TR — это экспериментальный чекпойнт Qwen3-4B, обученный для использования инструментов методом RLRT-TR с размером батча 32. В репозитории размещён лучший и одновременно финальный чекпойнт обучения, выбранный по валидационному mean@16; в приведённом результате для набора задач использования инструментов указано 0%. Модель имеет плотную архитектуру Qwen3ForCausalLM и около 3,7 млрд параметров, принимает текст и выдаёт текст. Базовая модель поддерживает контекст до 40 960 токенов и многоязычные задачи.

Чекпойнт предназначен для экспериментов с вызовом инструментов и оценивания обучения с подкреплением. README показывает загрузку через Transformers. Модель основана на Qwen/Qwen3-4B и распространяется по лицензии Apache-2.0. Указанный нулевой результат на валидации существенно ограничивает основания рассчитывать на практическую эффективность вызова инструментов.

Сценарии применения

  • эксперименты с обучением вызову инструментов
  • оценка поведения модели на задачах использования инструментов
  • исследование метода RLRT-TR для языковых моделей

Ограничения

В README указан результат 0% по валидационному mean@16 для набора задач использования инструментов, поэтому практическая способность вызывать инструменты не подтверждена. Языковые возможности базовой модели не позволяют установить точный перечень языков этого чекпойнта.

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

Qwen3-4B-ToolUse-RLRT-TR

This repository contains the Qwen3-4B Tool use RLRT-TR run trained with batch size 32.

The repository root contains the best validation checkpoint (global_step_100), selected by validation mean@16. The best validation checkpoint is also the final checkpoint, so the repository root is both best and last.

Performance

DatasetMethodBase modelTrain batch sizeBest val mean@16Best checkpointFinal val mean@16Final checkpoint
Tool useRLRT-TRQwen3-4B320.00%1000.00%100

Training and validation scores

Raw result files:

  • results/validation_mean16.csv
  • results/training_scores.csv
  • artifacts/config.yaml
  • artifacts/wandb-summary.json

Training Hyperparameters

HyperparameterValue
Base modelQwen/Qwen3-4B
MethodRLRT-TR
Train batch size32
Train max samples3200
Total training steps100
Save frequency10
Test frequency10
Teacher regularizationtrust-region
Teacher update rate0.1
Rollout samples per prompt8
Validation samples per prompt16
Learning rate1e-6
vLLM GPU memory utilization0.8

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer

repo_id = "SeongryongJung/Qwen3-4B-ToolUse-RLRT-TR"
tokenizer = AutoTokenizer.from_pretrained(repo_id, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(
    repo_id,
    torch_dtype="auto",
    device_map="auto",
    trust_remote_code=True,
)

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3ForCausalLM
Ревизия весов
07694fb

0 моделей