/ Модель

Характеристики

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

ArcANE-8B-DPO

Генерация текстаТекст → текст3 профессии

Англоязычная Qwen3-модель для ответов от лица персонажей с учётом этапа развития их характера в сюжете.

67скачиваний за 30 дней1лайквеса обновлены5 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

ArcANE-8B-DPO — англоязычная модель для ролевых ответов персонажей, разработанная Holi Lab на основе Qwen3-8B. Она предназначена для исследований, где нужно воспроизводить поведение персонажа на определённом этапе сюжета, опираясь на описание его Character Arc, ограниченное главой запроса.

Модель содержит 7,6 млрд параметров, использует архитектуру Qwen3ForCausalLM и принимает текстовый контекст; максимальная длина контекста — 40 960 токенов. Обучение включало supervised fine-tuning, а затем Direct Preference Optimization: модель училась предпочитать ответы, соответствующие заданной фазе развития персонажа, ответам из соседних фаз. В описанной оценке с контекстом Character Arc она превзошла SFT-вариант и Qwen3-8B по общей метрике соответствия фазе.

Модель подходит для экспериментов с ролевым диалогом и анализом изменений характера по мере развития сюжета. Для корректного сценария следует передавать только сведения о сюжетных фазах до главы запроса; будущие фазы могут исказить ответ. Данные оценки относятся к ограниченному набору романов и проб. Распространяется по лицензии Apache-2.0.

Сценарии применения

  • генерация реплик персонажа для заданной главы романа
  • ролевой диалог с учётом предыстории персонажа
  • моделирование изменений поведения персонажа по мере развития сюжета
  • сравнение ответов персонажа на соседних этапах сюжетной арки

Ограничения

Результаты оценки получены на ограниченном наборе романов и проб; они не гарантируют качество для других текстов и персонажей. В контекст следует включать только сюжетные сведения до главы запроса, поскольку будущие фазы могут исказить ответ.

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

ArcANE-8B-DPO

🏆 Accepted to EMNLP 2026 Main Conference

ArcANE-8B-DPO is a Qwen3-8B model trained with supervised fine-tuning followed by Direct Preference Optimization (DPO). It learns to distinguish the correct response at a target narrative phase from a plausible, in-character response drawn from an adjacent but incorrect phase.

Model details

FieldValue
Base modelQwen/Qwen3-8B
Parameters8B class
Training stageSFT followed by DPO
Parameter updateFull fine-tuning
Recommended modeQwen3 non-thinking mode

Intended use

ArcANE-8B-DPO is intended for research on:

  • point-in-time character role-play;
  • character responses conditioned on a chapter-truncated Character Arc;
  • distinguishing subtle behavioral changes between adjacent narrative phases;

The strongest evaluated setup supplies the relevant Character Arc only up to the queried chapter. Future phases must not be exposed to the model.

Training data

The SFT and DPO splits are derived from 12 training novels in the ArcANE corpus, covering 55 characters and 339 character axes. The SFT stage uses teacher-generated target responses under Arc context.

The DPO split contains 14,671 preference pairs from 2,516 unique probes. Each chosen response belongs to the anchor phase, while the rejected response belongs to an adjacent phase. Both responses share the same scenario and question.

The main validated evaluation slice is held out at the novel, character, arc, and probe levels from the training pool.

Training parameters

StageEpochsLearning rateBatch sizeMaximum sequence length
SFT11e-5648,192 tokens
DPO15e-6648,192 tokens

Reproducibility

The released recipes are training/sft/configs/full/sft.yaml and training/sft/configs/full/dpo.yaml in the ArcANE repository. From training/sft, run bash scripts/train_sft_full.sh followed by bash scripts/train_dpo_full.sh.

Evaluation

The paper evaluates free-form role-playing responses on a held-out five-novel slice containing 25 principal characters, 205 arcs, and 1,754 probes. A separate DeepSeek-V4-Flash judge scores four 1 to 100 metrics:

  • APF: Action Phase-Fidelity;
  • RPF: Reasoning Phase-Fidelity;
  • RAE: Reasoning-Action Entailment;
  • PTF: Phase Trajectory Fidelity.

Scores are pooled within each novel, novels receive equal weight, and Overall is the mean of the 12 probe-category by metric cells. Higher is better.

Held-out results with Arc context

Probe categoryAPFRPFRAEPTF
In-Scenario59.557.750.656.0
In-World60.959.352.354.6
Out-of-World62.560.554.554.6
ComparisonOverall
ArcANE-8B-DPO, Arc context56.9
ArcANE-8B-DPO, strongest non-Arc context48.5
ArcANE-8B-SFT, Arc context52.3
Qwen3-8B, Arc context43.1

DPO improves the Arc-context Overall score by 4.6 points over ArcANE-8B-SFT and by 13.8 points over Qwen3-8B under the same Arc context.

Usage

Use the Qwen3 chat template with thinking disabled. The example below is illustrative; replace the compact context with a valid chapter-truncated ArcANE Character Arc.

from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "holi-lab/ArcANE-8B-DPO"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(
    model_id,
    torch_dtype="auto",
    device_map="auto",
)

messages = [
    {
        "role": "system",
        "content": (
            'You are <character>, from "<novel>". You are at the point in '
            "the story corresponding to chapter <query_chapter>.\n\n"
            "Background you have access to:\n"
            "<context>\n<chapter-truncated Character Arc JSON>\n</context>"
        ),
    },
    {
        "role": "user",
        "content": "Scenario:\n<scenario>\n\nQuestion:\n<question>",
    },
]

inputs = tokenizer.apply_chat_template(
    messages,
    tokenize=True,
    add_generation_prompt=True,
    enable_thinking=False,
    return_tensors="pt",
).to(model.device)

outputs = model.generate(inputs, max_new_tokens=1024, do_sample=True, temperature=1.0)
print(tokenizer.decode(outputs[0][inputs.shape[-1]:], skip_special_tokens=True))

For faithful point-in-time conditioning, remove all phases later than the query chapter. Always remove literary_validation and evidence_summary; if any later phase is hidden, also remove pole_end and arc_direction. The paper's evaluation drew one sample with backend-default sampling, effectively temperature 1.0, and capped generation at 8,192 tokens.

Citation

@misc{song2026arcaneroleplayinglanguageagents,
      title={ArcANE: Do Role-Playing Language Agents Stay in Character at the Right Time?}, 
      author={Woojung Song and Nalim Kim and Sangjun Song and Chaewon Heo and Jongwon Lim and Yohan Jo},
      year={2026},
      eprint={2606.05553},
      archivePrefix={arXiv},
      primaryClass={cs.CL},
      url={https://arxiv.org/abs/2606.05553}, 
}

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
67b9bea

0 моделей