/ Модель

Характеристики

Контекст
262 144 токена
Параметры
3,7 млрд
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
Qwen3-4B-Thinking-2507
Библиотека
transformers
Опубликована
23 мая 2026

Spreadsheet-RL-4B

Генерация текстаТекст → текст6 профессий

Дообученная методом обучения с подкреплением модель Qwen3 для многошагового решения задач с электронными таблицами Excel через инструменты агента.

45скачиваний за 30 дней7лайковвеса обновлены7 июн 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

Spreadsheet-RL-4B — языковая модель-агент для работы с электронными таблицами Excel, разработанная авторами проекта Spreadsheet-RL. Это плотная модель Qwen3 с 3,7 млрд параметров, дообученная методом GRPO с вознаграждением за результат на задачах в среде Spreadsheet Gym. Агент рассчитан на многошаговое взаимодействие с таблицами через специальные инструменты, выполнение кода в изолированной среде и пересчёт формул в Excel.

Модель предназначена для решения реалистичных задач в электронных таблицах, например изменения таблиц и получения ответов на вопросы по их содержимому. Для воспроизведения результатов исследования требуется запускать её вместе с агентским каркасом Spreadsheet-RL, набором инструментов и средой оценки; сама по себе в обычном чате она не воспроизводит заявленные результаты. В тесте SpreadsheetBench авторы сообщают Pass@1 23,4.

Модель основана на Qwen/Qwen3-4B-Thinking-2507, поддерживает контекст до 262 144 токенов и предназначена для англоязычного применения. Лицензия — Apache-2.0.

Сценарии применения

  • изменение электронных таблиц Excel по текстовому заданию
  • ответы на вопросы по данным в таблице
  • выполнение многошаговых операций с таблицами через инструменты
  • автоматизация задач в Excel с пересчётом формул

Ограничения

Для воспроизведения результатов модели необходимы Spreadsheet-RL agent harness, набор инструментов и среда Spreadsheet Gym; при запуске как обычной чат-модели результаты статьи не воспроизводятся. Заявленная оценка зависит от инструментов и конвейера оценки.

Для каких профессий подходит6

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Spreadsheet-RL-4B

Project Page | Paper | Dataset | Code

Spreadsheet-RL-4B is the RL-trained 4B spreadsheet agent checkpoint from Spreadsheet-RL: Advancing Large Language Model Agents on Realistic Spreadsheet Tasks via Reinforcement Learning. It starts from Qwen/Qwen3-4B-Thinking-2507 and is post-trained with outcome-based reinforcement learning in Spreadsheet Gym, a multi-turn Microsoft Excel environment with spreadsheet-native tools, sandboxed code execution, and Excel-based recalculation rewards.

This checkpoint is intended to be used with the Spreadsheet-RL agent harness and tool environment. Loading it as a plain chat model can be useful for inspection, but it will not reproduce the paper results without Spreadsheet Gym, the tool set, and the reward/evaluation pipeline.

News

Model Details

FieldValue
Base modelQwen/Qwen3-4B-Thinking-2507
Training methodGRPO with outcome-based rewards
EnvironmentSpreadsheet Gym with Microsoft Excel 365, spreadsheet-native tools, SandboxFusion code execution, and async Excel recalculation/reward service
Training dataSpreadsheet-RL training split: 5,928 filtered ExcelForum tasks
EvaluationSpreadsheetBench and Domain-Spreadsheet
LicenseApache-2.0, following the base model license

Training Configuration

For full details, please see the paper. The released 4B run uses:

HyperparameterValue
AlgorithmGRPO; KL-regularized against a frozen reference model
Training steps60
Prompt/response limits4,096 / 27,648 tokens
Rollout samplingtemperature 0.6; top-p 0.95; top-k 20
Batching64 prompts/step; 16 rollouts/prompt; 1,024 rollouts/step
Multi-turn capsmax assistant turns 20; max user turns 20; max tool-response length 8,192
OptimizerAdamW; learning rate 1e-6; weight decay 0.01; betas (0.9, 0.999); grad clip 1.0
KL losslow-var KL; coefficient 0.001
Actor update batchingmini-batch 32; dynamic batch sizing enabled
Hardware1 node x 4 NVIDIA H100 GPUs
Training timeabout 40 hours wall-clock for the 4B run

Results

Spreadsheet-RL improves the same 4B base model through spreadsheet-native interaction design, comprehensive tool access, and RL post-training.

BenchmarkBase+ Native Harness+ Full ToolsSpreadsheet-RL-4B
SpreadsheetBench Pass@112.015.619.323.4

On Domain-Spreadsheet, Spreadsheet-RL improves overall Pass@1 from 8.4 to 17.2 over 1,660 evaluation rollouts.

Usage

Install the standard Transformers stack and load the checkpoint:

from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "Spreadsheet-RL/Spreadsheet-RL-4B"

tokenizer = AutoTokenizer.from_pretrained(model_id, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(
    model_id,
    torch_dtype="auto",
    device_map="auto",
    trust_remote_code=True,
)

For task evaluation and agent rollouts, use the full Spreadsheet-RL codebase with the released dataset and Spreadsheet Gym:

hf download Spreadsheet-RL/Spreadsheet-RL --repo-type dataset --local-dir data
git clone https://github.com/Spreadsheet-RL/Spreadsheet-RL.git

The default training/evaluation harness is maintained in the code repository under configs/, scripts/, reward/, and verl/.

Citation

@misc{chi2026spreadsheetrl,
  title         = {Spreadsheet-RL: Advancing Large Language Model Agents on Realistic Spreadsheet Tasks via Reinforcement Learning},
  author        = {Banghao Chi and Yining Xie and Mingyuan Wu and Jingcheng Yang and Jize Jiang and Zhaoheng Li and Shengyi Qian and Minjia Zhang and Klara Nahrstedt and Rui Hou and Xiangjun Fan and Hanchao Yu},
  year          = {2026},
  eprint        = {2605.22642},
  archivePrefix = {arXiv},
  primaryClass  = {cs.AI},
  doi           = {10.48550/arXiv.2605.22642},
  url           = {https://arxiv.org/abs/2605.22642}
}

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
f594c78

0 моделей