/ Модель

Характеристики

Контекст
40 960 токенов
Параметры
7,6 млрд
Размер весов
32,8 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
Qwen3-8B
Библиотека
transformers
Опубликована
9 июн 2026

Qwen3-8B-Critic-SFT-CWM-only

Генерация текстаТекст → текст4 профессии

Дообученный на критике траекторий кодирующих агентов Qwen3-8B для выявления ошибок и подсказок по восстановлению в циклах программных агентов.

111скачиваний за 30 дней0лайковвеса обновлены3 сен 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

Qwen3-8B-Critic-SFT-CWM-only — модель-критик на основе Qwen3-8B, разработанная командой Steer, Don't Solve для контроля траекторий кодирующих агентов. Через заданные интервалы она анализирует ход работы и выдаёт структурированную критику: категории ошибок, подтверждающие их свидетельства, действие для восстановления, статус задачи и краткую рекомендацию. Модель не пишет исправления кода.

Модель содержит 7,6 млрд параметров и обучена полным дообучением на 4 532 примерах критики траекторий CWM-32B; данные охватывают задачи из matplotlib, moto и sympy. Она предназначена для использования как компонент цикла агента, в частности с SWE-bench Verified. Карточка сообщает о контекстном окне 40 960 токенов; обучение проводилось с последовательностями до 32 768 токенов. Модель принимает текстовые траектории и формирует текстовую структурированную критику. В метаданных указан английский язык.

В описанном авторами сравнении критик повысил долю решённых задач у двух агентов Qwen; добавление траекторий Qwen3-Next в обучающий корпус давало больший прирост. Модель распространяется под лицензией Apache-2.0. Для работы требуется подключить её к обслуживанию агента; сама по себе она не вносит изменения в код.

Сценарии применения

  • выявление ошибок в ходе работы кодирующего агента
  • выдача рекомендаций агенту по восстановлению после ошибки
  • оценка статуса задачи в траектории программного агента
  • анализ траекторий агента при решении задач SWE-bench
  • мониторинг выполнения задач по Python-библиотекам matplotlib, moto и sympy

Ограничения

Модель анализирует работу агента и выдаёт критику, но не пишет исправления кода. Обучающий корпус ограничен траекториями CWM-32B для задач из matplotlib, moto и sympy; авторы сообщают, что корпус с дополнительными траекториями Qwen3-Next дал лучший результат.

Для каких профессий подходит4

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

Qwen3-8B-Critic-SFT-CWM-only

An 8B critic from Steer, Don't Solve: Training Small Critic Models for Large Code Agents, trained on critiques of CWM-32B trajectories only. It is one arm of the training-corpus ablation (Table 3). The main 8B critic, trained on CWM plus Qwen3-Next trajectories, is Qwen3-8B-Critic-SFT.

The critic reads a coding agent's trajectory every k steps and returns a structured critique: detected error categories, evidence, a recovery action, task status, and one line of overall guidance. It does not write the patch.

All released models and datasets are listed on the organization page. Code and configs are in the critic-training repository.

Where it appears in the paper

Paper locationRow label
Table 3, corpus ablation8B, CWM-only

Original run name: qwen3-8b-full-sft-prm-r2egym-swebench-instructions-k5-opus-distill-32k-lr5e6-multiturn.

Training data

code-critic-model/critic-sft-cwm-only, 4,532 examples.

  • Tasks: 500 R2E-Gym instances from matplotlib, moto, and sympy, disjoint from SWE-bench Verified.
  • Agent that produced the trajectories: CWM-32B, 500 trajectories.
  • Teacher: Claude Opus 4.6, queried every 5 agent steps with the high-level prompt.

This corpus is the CWM half of critic-sft-cwm-qwen.

Training setup

Identical to Qwen3-8B-Critic-SFT apart from the data. Full-parameter SFT with LLaMA-Factory, config finetuning/qwen3_8b_critic_full_sft_l40s_train_multiturn_resumable.yaml.

SettingValue
Base modelQwen/Qwen3-8B
Chat templateqwen3_nothink
Sequence length32,768 tokens
Lossfinal critique turn only (mask_history: true)
Hardware8 x L40S, effective batch 8
OptimizerAdamW, lr 5e-6, cosine, warmup ratio 0.1
Epochs3
Precisionbf16

Results

Resolve rate on SWE-bench Verified, from Table 3 of the paper.

Coding agentNo critic+ this critic+ Qwen3-8B-Critic-SFT (CWM + Qwen data)
Qwen3-Next-80B-A3B20.023.625.2
Qwen3-32B8.811.413.8

The critic trained only on CWM trajectories still helps both Qwen agents, which is the transfer result the ablation is after. Adding Qwen3-Next trajectories to the corpus helps more.

How to use

Same serving and launch procedure as Qwen3-8B-Critic-SFT: serve with vLLM in bf16 and pass the served name to scripts/run_critic_max150.sh with --prm. The served name must have an entry in mini-swe-agent/configs/litellm_model_registry.json; add one for this model if you use a new name.

Citation

@misc{gandhi2026steerdontsolvetraining,
  title={Steer, Don't Solve: Training Small Critic Models for Large Code Agents},
  author={Shubham Gandhi and Yiqing Xie and Atharva Naik and Ruichen Zhu and Carolyn Rose},
  year={2026},
  eprint={2606.21811},
  archivePrefix={arXiv},
  primaryClass={cs.SE},
  url={https://arxiv.org/abs/2606.21811}
}

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
815a6b0

0 моделей