/ Модель

Характеристики

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

CoVe-4B

Генерация текстаТекст → текст3 профессии

CoVe-4B — дообученный агент на базе Qwen3 для многошагового вызова инструментов с проверкой соблюдения ограничений.

23скачиваний за 30 дней5лайковвеса обновлены9 мар 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

CoVe-4B — компактный диалоговый агент с поддержкой вызова инструментов, разработанный на базе Qwen3-4B-Instruct-2507 и дообученный по фреймворку Constraint-Verification (CoVe). Модель обучена на наборе CoVe-12K, содержащем 12 тысяч многоходовых траекторий использования инструментов, синтезированных и проверенных детерминированными проверками ограничений.

Модель предназначена для интерактивных сценариев, где агент должен вызывать инструменты и соблюдать заданные ограничения. В README сообщается о высоких результатах на τ²-bench среди моделей размером до 8 млрд параметров и о сопоставимости с моделями до 70 млрд параметров. Это плотная архитектура Qwen3 с 3,7 млрд параметров, контекстом до 262 144 токенов и форматом вызова инструментов Hermes; для развёртывания предлагается vLLM. Карточка указывает английский язык и библиотеку Transformers.

Модель распространяется под лицензией Apache-2.0. Описанные результаты относятся к τ²-bench; карточка не приводит подробностей о переносе качества на другие задачи и языки.

Сценарии применения

  • выполнение многошаговых задач с вызовом инструментов
  • создание диалогового агента с интерфейсом tool calling
  • автоматизация сценариев, где вызовы инструментов должны соблюдать ограничения

Ограничения

Заявленные высокие результаты приведены для τ²-bench; данных о качестве на других бенчмарках и языках карточка не приводит. Поддержка и качество на языках помимо английского не подтверждены.

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

Overview

CoVe-4B is a compact 4B interactive tool-use agent fine-tuned from Qwen3-4B-Instruct-2507 using the CoVe (Constraint-Verification) post-training framework. It is trained on CoVe-12K, a dataset of 12K high-quality multi-turn tool-use trajectories synthesized and verified by deterministic constraint checking.

Framework

Performance

Deployment and Evaluation

CoVe-4B uses the Hermes tool-call format and can be deployed with vLLM.

Serve with vLLM

CUDA_VISIBLE_DEVICES=0,1,2,3 vllm serve [MODEL_HF_URL] \
  --served-model-name CoVe \
  --enable-auto-tool-choice \
  --tool-call-parser hermes \
  --tensor-parallel-size 1 \
  --data-parallel-size 4 \
  --host 0.0.0.0 \
  --port ${PORT}

Evaluate with τ²-bench

Once the model is running, evaluate using the official τ²-bench code. Set the agent model to the vLLM-served CoVe endpoint.

Citation

@article{Chen2026CoVe,
  title   = {CoVe: Training Interactive Tool-Use Agents via Constraint-Guided Verification},
  author  = {Chen, Jinpeng and Gong, Cheng and Li, Hanbo and Liu, Ziru and Tian, Zichen and Fu, Xinyu and Wu, Shi and Zhang, Chenyang and Zhang, Wu and Zhang, Suiyun and Tu, Dandan and Liu, Rui},
  journal = {arXiv preprint arXiv:2603.01940},
  year    = {2026}
}

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
db6c3f9

0 моделей