/ Модель

Характеристики

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

Agent-Reflex-8B

Генерация текстаТекст → текст

Дообученная Qwen3-8B для диалоговых агентов, которые используют инструменты, замечают шум в их ответах и восстанавливаются после ошибок.

377скачиваний за 30 дней4лайкавеса обновлены14 окт 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

Agent-Reflex-8B — языковая модель для диалогов и генерации текста, разработанная на основе Qwen3-8B. Она дообучена методом ReSFT на рефлексивных траекториях, затем ORPO-обучена с имитацией шумной обратной связи от инструментов. Модель предназначена для агентных сценариев, в которых нужно вызывать инструменты, замечать ошибки или шум в их ответах и учитывать исправления пользователя.

Модель имеет плотную архитектуру Qwen3ForCausalLM и 7,6 млрд параметров, поддерживает контекст до 40 960 токенов и работает с текстом. В README описана подача через vLLM с вызовом функций и режимом рассуждений; навыки использовались только при обучении, а при запуске не требуются. В карточке приведены результаты на нескольких бенчмарках агентного использования, но они не гарантируют аналогичного качества в конкретном приложении. Модель распространяется по лицензии MIT.

Сценарии применения

  • создание диалогового агента с вызовом инструментов
  • восстановление после ошибочного или шумного ответа инструмента
  • учёт исправлений пользователя в ходе диалога
  • выполнение многошаговых задач с помощью инструментов

Ограничения

Показатели бенчмарков из карточки не гарантируют качества в конкретном приложении. При запуске навыки, использованные во время обучения, не подключаются отдельно.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Agent-Reflex-8B

Paper HF Paper GitHub Collection SFT Data RL Data

Paper: arXiv:2610.17953 · Hugging Face Papers

Agent-Reflex-8B is Qwen3-8B trained with Agent-Reflex, a framework that elicits proactive reflection in tool-using agents: noticing noisy tool feedback and user corrections, and recovering from them.

Training: Qwen3-8B → ReSFT (54,663 reflective trajectories, 5,127 steps) → ORPO (noisy agentic RL with skill-guided on-policy distillation). Skills are used only during training; the model runs skill-free.

Results

ModelVitaBenchτ²-BenchBFCL V4ACEBenchToolSandboxOverallAgentNoiseBench
Qwen3-8B11.426.240.454.069.140.212.3
EnvScaler-8B15.837.947.672.580.550.918.2
Agent-World-8B14.554.651.472.075.653.6–
Agent-Reflex-8B17.562.152.978.082.558.629.1

Each benchmark is scored with its official metric. Overall is the unweighted mean of the five long-horizon tool-use benchmarks (Table 1 of the paper); AgentNoiseBench is the mean over its τ²-Bench and VitaBench noise settings (Table 2).

Usage

Serve with vLLM (native function calling, thinking on), as in our evaluation:

vllm serve dongguanting/Agent-Reflex-8B --served-model-name Qwen/Qwen3-8B \
  --tensor-parallel-size 8 --max-model-len 40960 \
  --enable-auto-tool-choice --tool-call-parser hermes --reasoning-parser deepseek_r1

The full evaluation suite (τ²-Bench, BFCL V4, ACEBench, VitaBench, AgentNoiseBench, ToolSandbox) is in the GitHub repo.

Citation

@misc{dong2026agentreflex,
  title={Agent-Reflex: Teaching Language Agents to Act Reflectively},
  author={Guanting Dong and Xinyu Yang and Jiajie Jin and Yuyang Hu and Xiaoshuai Song and Yifei Chen and Xiaoxi Li and Jiejun Tan and Yutao Zhu and Tat-Seng Chua and Ji-Rong Wen and Zhicheng Dou},
  year={2026},
  eprint={2610.17953},
  archivePrefix={arXiv},
  primaryClass={cs.CL},
  url={https://arxiv.org/abs/2610.17953},
}

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
97c2c2f

0 моделей