/ Модель

Характеристики

Лицензия
Apache 2.0
Базовая модель
Qwen3-4B
Библиотека
transformers
Опубликована
31 авг 2026

ATOD_ckpt

Генерация текстаТекст → текст

Набор дообученных моделей Qwen3 служит учителями для агентных задач в ALFWorld, WebShop и Search-QA и для дистилляции более компактных моделей.

0скачиваний за 30 дней0лайковвеса обновлены31 авг 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

TanQT24/ATOD_ckpt — набор контрольных точек учителей для ATOD (Annealed Turn-aware On-policy Distillation), разработанный для обучения языковых моделей-агентов на многошаговых задачах. В набор входят варианты Qwen3, обученные с GRPO для сред ALFWorld, WebShop и Search-QA; веса представлены в формате safetensors и загружаются через Transformers или vLLM.

Модели предназначены для работы с форматами запросов и действий соответствующих сред, а также для дистилляции моделей Qwen3 меньшего размера. Репозиторий содержит варианты на основе Qwen3-4B и Qwen3-30B-A3B; метаданные связывают производные с Qwen/Qwen3-30B-A3B и Qwen/Qwen3-4B. Лицензия — Apache-2.0. Это специализированные агенты, и выбор контрольной точки должен соответствовать целевой среде.

Сценарии применения

  • управление агентом в интерактивной среде ALFWorld
  • выполнение покупательских задач в WebShop
  • ответы на поисковые вопросы в Search-QA
  • дистилляция компактных моделей Qwen3 для многошаговых задач
  • пропуск этапа обучения учителя GRPO при запуске ATOD

Ограничения

Контрольные точки специализированы для своих сред и ожидают предусмотренные ATOD форматы запросов и действий. Для эффективного применения необходимы соответствующая среда и совместимый рантайм, например Transformers или vLLM.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

ATOD Teacher Checkpoints

Teacher checkpoints for ATOD (Annealed Turn-aware On-policy Distillation), a hybrid online distillation algorithm that combines OPD and GRPO with a smoothly annealed schedule and turn-level disagreement-uncertainty reweighting (T-DUR) for training small language-model agents on long-horizon, multi-turn tasks.

Every model here is a Qwen3 policy trained with GRPO in its target agentic environment, and is used as the teacher during ATOD distillation of Qwen3-0.6B / 1.7B / 4B students.

Contents

Each subfolder contains a standard transformers / vLLM-loadable model directory under actor_hf/ (weights in safetensors, plus tokenizer and config files).

EnvironmentTeacherSubfolder
ALFWorldQwen3-4B (GRPO)alfworld_grpo_qwen3_4b/actor_hf
ALFWorldQwen3-30B-A3B (GRPO)alfworld_grpo_qwen3_30ba3b/actor_hf
WebShopQwen3-4B (GRPO)webshop_grpo_qwen3_4b/actor_hf
WebShopQwen3-30B-A3B (GRPO)webshop_grpo_qwen3_30ba3b/actor_hf
Search-QAQwen3-4B (GRPO)search_grpo_qwen3_4b/actor_hf
Search-QAQwen3-30B-A3B (GRPO)search_grpo_qwen3_30ba3b/actor_hf

Download

Download one checkpoint (recommended — the 30B-A3B models are large):

pip install -U "huggingface_hub[cli]"

hf download TanQT24/ATOD_ckpt \
  --include "alfworld_grpo_qwen3_4b/*" \
  --local-dir ~/ckpts/ATOD_ckpt

Download everything:

hf download TanQT24/ATOD_ckpt --local-dir ~/ckpts/ATOD_ckpt

Python API:

from huggingface_hub import snapshot_download

path = snapshot_download(
    repo_id="TanQT24/ATOD_ckpt",
    allow_patterns=["search_grpo_qwen3_4b/*"],
    local_dir="~/ckpts/ATOD_ckpt",
)

Usage

transformers

from transformers import AutoModelForCausalLM, AutoTokenizer

repo = "TanQT24/ATOD_ckpt"
sub = "alfworld_grpo_qwen3_4b/actor_hf"

tokenizer = AutoTokenizer.from_pretrained(repo, subfolder=sub)
model = AutoModelForCausalLM.from_pretrained(
    repo, subfolder=sub, torch_dtype="bfloat16", device_map="auto"
)

vLLM

vllm serve ~/ckpts/ATOD_ckpt/alfworld_grpo_qwen3_4b/actor_hf \
  --served-model-name atod-teacher-alfworld-4b

As an ATOD teacher

In the ATOD repo, point teacher_model_path in examples/atod_trainer/*.sh at the downloaded actor_hf directory:

student_model_path=Qwen/Qwen3-1.7B
teacher_model_path=~/ckpts/ATOD_ckpt/alfworld_grpo_qwen3_4b/actor_hf

Using these checkpoints lets you skip teacher GRPO training and run ATOD distillation directly.

Notes

  • Models are task-specific agents: use the ALFWorld teacher for ALFWorld, the WebShop teacher for WebShop, and the Search teacher for Search-QA. They expect the prompt / action formats produced by the environments in the ATOD repo.
  • Checkpoint names encode the environment and the base model, e.g. webshop_grpo_qwen3_4b is the Qwen3-4B GRPO teacher for WebShop.

Citation

@misc{atod2026,
      title={ATOD: Annealed Turn-Aware On-Policy Distillation for Multi-Turn Agentic Tasks},
      year={2026},
      eprint={2606.27814},
      archivePrefix={arXiv},
      primaryClass={cs.LG},
      url={https://arxiv.org/abs/2606.27814},
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

В репозитории нет config.json: не понять архитектуру модели.

Ревизия весов
fd6a120

0 моделей