/ Модель
Каталог

Характеристики

Контекст
131 072 токена
Параметры
7,1 млрд
Размер весов
15,2 ГБ
Лицензия
Своя лицензия
Архитектура
qwen2 · dense
Базовая модель
Qwen2.5-7B
Библиотека
transformers
Опубликована
9 дек 2025

Ссылки

Hugging FacearXiv 2512.18832

WorldModel-Alfworld-Qwen2.5-7B

X1AOX1A
Генерация текстаТекст → текст3 профессии

Дообученная на данных ALFWorld модель Qwen2.5-7B для генерации текста в сценариях взаимодействия с виртуальной средой.

209скачиваний за 30 дней2лайкавеса обновлены23 дек 2025

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.

Открыть конструктор бенчмарка

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

X1AOX1A/WorldModel-Alfworld-Qwen2.5-7B — дообученная модель Qwen2.5-7B, разработанная на основе набора alfworld_train_with_env_54006. Она предназначена для генерации текста в сценариях ALFWorld; название модели указывает на применение для задач взаимодействия с виртуальной средой, однако README не описывает конкретные способности, режим работы или результаты оценки. Модель содержит 7,1 млрд параметров, использует плотную архитектуру Qwen2ForCausalLM и формат safetensors; базовая модель поддерживает контекст до 131 072 токенов. Лицензия обозначена как other, поэтому условия использования следует сверить с карточкой модели и лицензией базовой модели.

Сценарии применения

  • генерация текстовых действий и ответов в сценариях ALFWorld
  • эксперименты с агентами, выполняющими задания в виртуальной среде
  • исследование применения языковых моделей для пошагового взаимодействия со средой

Ограничения

README не содержит описания intended use, оценки качества или известных ограничений; пригодность для конкретных задач ALFWorld не подтверждена результатами тестирования. Лицензия указана как other, поэтому условия использования требуют проверки.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделейII.2Разработка и данныеСоздание и понимание программного кодаAI помогает писать, объяснять и связывать программный код с требованиями и существующей системой.20 задач21 443моделиII.4Разработка и данныеОтладка, тестирование и качество ПОAI помогает находить дефекты, строить проверки и повышать надёжность программного продукта.25 задач13 978моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

From Word to World: Can Large Language Models be Implicit Text-based World Models?

arXiv Blog HF Paper Models Dataset

alfworld_train_with_env_40k

This model is a fine-tuned version of Qwen/Qwen2.5-7B on the alfworld_train_with_env_54006 dataset.

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 1e-05
  • train_batch_size: 2
  • eval_batch_size: 8
  • seed: 42
  • distributed_type: multi-GPU
  • num_devices: 4
  • gradient_accumulation_steps: 16
  • total_train_batch_size: 128
  • total_eval_batch_size: 32
  • optimizer: Use OptimizerNames.ADAMW_TORCH with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
  • lr_scheduler_type: constant_with_warmup
  • lr_scheduler_warmup_steps: 10
  • num_epochs: 5.0

Training results

Framework versions

  • Transformers 4.52.4
  • Pytorch 2.5.1+cu121
  • Datasets 3.6.0
  • Tokenizers 0.21.1

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2ForCausalLM
Ревизия весов
8d4f069

0 моделей

    Создать бенчмарк