/ Модель

Характеристики

Контекст
40 960 токенов
Параметры
7,6 млрд
Размер весов
16,4 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
Qwen3-8B
Библиотека
transformers
Опубликована
12 июл 2026

Qwen3-8B-Critic-SFT-Qwen-only

Генерация текстаТекст → текст3 профессии

Критическая модель на базе Qwen3-8B, которая анализирует ход работы кодового агента, выявляет ошибки и предлагает следующие шаги восстановления.

114скачиваний 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-Qwen-only — специализированная критическая модель на базе Qwen3-8B, разработанная для исследования Steer, Don't Solve. Она анализирует траекторию работы агента по программированию и через заданные интервалы возвращает структурированную критику: категории обнаруженных ошибок, подтверждающие их данные, шаг восстановления, статус задачи и краткую рекомендацию. Модель предназначена для сопровождения кодового агента и не пишет исправляющий патч сама.

Модель обучена полным дообучением на 1 915 примерах критики траекторий Qwen3-Next-80B-A3B. Она использует плотную авторегрессионную архитектуру Qwen3 с 7,6 млрд параметров; репозиторий содержит веса safetensors, опубликованные в bf16. Метаданные указывают контекст до 40 960 токенов, а конфигурация обучения README — последовательности длиной 32 768 токенов. Модель рассчитана на английский язык и взаимодействие в формате чата. Лицензия — Apache-2.0.

В описанном эксперименте критик повысил долю решённых задач SWE-bench Verified с 20,0% до 26,2% для Qwen3-Next-80B-A3B, но обучение только на траекториях этого агента дало более слабый результат при переносе на Qwen3-32B, чем смешанный набор данных. Модель следует использовать как вспомогательного критика в агентных циклах, а не как самостоятельную модель для написания кода.

Сценарии применения

  • поиск ошибок в траектории кодового агента
  • получение рекомендаций по восстановлению после неудачного шага
  • оценка статуса выполнения задачи агентом
  • структурированная критика решений агента при работе над задачами SWE-bench

Ограничения

Модель обучена только на траекториях одного агента, поэтому её перенос на другие агенты ограничен: в описанном эксперименте результат на Qwen3-32B был ниже, чем у модели со смешанными данными. Она анализирует работу агента и предлагает рекомендации, но не создаёт исправляющий патч.

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

Qwen3-8B-Critic-SFT-Qwen-only

An 8B critic from Steer, Don't Solve: Training Small Critic Models for Large Code Agents, trained on critiques of Qwen3-Next-80B-A3B 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, Qwen-only

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

Training data

code-critic-model/critic-sft-qwen-only, 1,915 examples.

  • Tasks: 483 R2E-Gym instances from matplotlib, moto, and sympy, disjoint from SWE-bench Verified.
  • Agent that produced the trajectories: Qwen3-Next-80B-A3B-Instruct, 483 trajectories.
  • Teacher: Claude Opus 4.6, queried every 5 agent steps with the high-level prompt.

This corpus is the Qwen half of critic-sft-cwm-qwen. It is smaller than the CWM half because Qwen3-Next finishes tasks in fewer steps, so fewer critique points are collected per trajectory.

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

The trainer saved this run's weights in fp32. The checkpoint here was cast to bf16 before upload, which is the precision it was served in for every result in the paper.

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-A3B20.026.225.2
Qwen3-32B8.810.613.8

Training only on Qwen3-Next trajectories gives the best result on Qwen3-Next itself and the weakest on Qwen3-32B. The mixed corpus is the better default across agents.

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
bb6c64b

0 моделей