/ 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
5 сен 2026

ArcANE-8B-SFT

Генерация текстаТекст → текст3 профессии

Дообученная на ArcANE модель Qwen3-8B для генерации англоязычных ролевых ответов персонажей с учётом этапа их развития в сюжете.

69скачиваний 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-SFT — английская ролевая языковая модель, разработанная holi-lab путём полного supervised fine-tuning модели Qwen/Qwen3-8B. Она генерирует ответы персонажей, учитывающие их поведенческое состояние на заданном этапе сюжета, и предназначена для исследований ролевого диалога, изменений поведения и ценностей персонажей по мере развития повествования. Модель плотная, содержит 7,6 млрд параметров, использует архитектуру Qwen3ForCausalLM и формат safetensors; максимальный контекст — 40 960 токенов. Основной проверенный сценарий передаёт модели сведения о сюжетной арке только до запрошенной главы, без информации из будущих этапов.

На отложенной оценке ArcANE модель показала преимущество перед базовой Qwen3-8B в метриках соответствия ответов этапу сюжетной арки; эти результаты не характеризуют общие знания, безопасность или качество следования широкому кругу инструкций. Обучающие данные происходят из 12 романов корпуса ArcANE, поэтому перенос на другие жанры и задачи не установлен. Модель выпущена по лицензии Apache-2.0.

Сценарии применения

  • генерация реплик персонажа с учётом главы романа
  • ролевой диалог с изменением поведения героя по ходу сюжета
  • моделирование изменений ценностей персонажа в разных фазах повествования
  • исследование соответствия ответов персонажа его сюжетной арке

Ограничения

Результаты оценки относятся к соответствию сюжетной фазе в ArcANE и не подтверждают качество общих знаний, безопасность или широкое следование инструкциям. Для проверенного сценария в контекст следует включать только сюжетную арку до запрошенной главы; обучение основано на ограниченном наборе романов.

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-SFT

🏆 Accepted to EMNLP 2026 Main Conference

ArcANE-8B-SFT is a Qwen3-8B model fully fine-tuned on the supervised split of ArcANE (Arc-Aware Narrative Evaluation). It is designed for English role-playing responses that reflect a character's behavioral state at a specified point in a narrative, rather than treating the character as a fixed persona.

Model details

FieldValue
Base modelQwen/Qwen3-8B
Parameters8B class
Training stageSupervised fine-tuning (SFT)
Parameter updateFull fine-tuning
Recommended modeQwen3 non-thinking mode

Intended use

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

  • point-in-time character role-play;
  • character responses conditioned on a chapter-truncated Character Arc;
  • behavioral and value changes across 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 split is derived from 12 training novels in the ArcANE corpus, covering 55 characters and 339 character axes. For each (probe, phase) pair under Arc context, three teacher completions were sampled from gpt-5.4-mini. The teacher privately received the phase reference, but each stored training row retained only the character system prompt, scenario-question user prompt, and answer. Reference text was therefore not included in the model input.

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

Training parameters

HyperparameterValue
Epochs1
Learning rate1e-5
Effective batch size64
Maximum sequence length8,192 tokens

Reproducibility

The released recipe is training/sft/configs/full/sft.yaml in the ArcANE repository. From training/sft, run bash scripts/train_sft_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-Scenario57.355.949.251.6
In-World56.556.048.645.1
Out-of-World56.755.848.846.7
ComparisonOverall
ArcANE-8B-SFT, Arc context52.3
ArcANE-8B-SFT, strongest non-Arc context46.4
Qwen3-8B, Arc context43.1

The Arc-context score is 5.9 points above this checkpoint's strongest non-Arc context and 9.2 points above Qwen3-8B under the same Arc context. These results measure ArcANE phase fidelity, not general knowledge, safety, or broad instruction-following quality.

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-SFT"
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
3b21f16

0 моделей