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
TIPS-Qwen3-4B-Instruct-2507-Agent — модель XingYing-stack, дообученная на основе Qwen/Qwen3-4B-Instruct-2507 методом outcome-only GRPO. Это генеративная модель вознаграждения для пошаговой проверки траекторий многоходовых агентных систем и определения первого ошибочного шага. Она предназначена для оценки и верификации процесса работы агента по шаблонам запросов и скриптам оценки из репозитория TIPS, а не для обычного диалогового использования.
Модель использует плотную архитектуру Qwen3 с 3,7 млрд параметров и принимает текст; базовая модель поддерживает контекст до 262 144 токенов. Чекпойнт представлен в формате safetensors и использует библиотеку Transformers. Модель выпущена под лицензией Apache-2.0. Для корректной оценки нужны соответствующие шаблоны запросов и процедура из TIPS; карточка не приводит отдельные показатели качества.
Сценарии применения
проверка отдельных шагов в траектории работы агента
поиск первого ошибочного шага в многоходовом взаимодействии агента
оценка решений агента для обучения методом GRPO
верификация процесса выполнения агентом задачи
Ограничения
Модель ориентирована на reward modeling и process verification и не предназначена для обычного общения. Для работы с ней следует использовать шаблоны запросов и скрипты оценки из репозитория TIPS; отдельные результаты бенчмарков в карточке не приведены.
Для каких профессий подходит3
Разделы каталога профессий, в задачах которых используется эта модель
This TIPS agent checkpoint is initialized from Qwen/Qwen3-4B-Instruct-2507 and trained with outcome-only GRPO. It is a generative reward model for step-level verification and first-error localization in multi-turn agent trajectories.
Use the prompt templates and evaluation scripts in the TIPS repository. This checkpoint is intended for reward modeling and process verification rather than general-purpose chat.