/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
10,3 ГБ
Архитектура
qwen3_5 · dense
Базовая модель
Qwen3.5-4B
Библиотека
transformers
Опубликована
25 июн 2026

memrag-basefull

Изображение и текст → текст3 профессии

Экспериментальная визуально-языковая модель на базе Qwen3.5-4B для предсказания следующего действия GUI-агента по истории взаимодействий.

10скачиваний за 30 дней0лайковвеса обновлены25 июн 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 «Изображение → 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

memrag-basefull — экспериментальный чекпойнт для GUI-агентов, разработанный автором репозитория на основе Qwen3.5-4B. Модель дообучена методом SFT на полном визуальном контексте траекторий и предназначена для предсказания следующего действия в интерфейсе по истории взаимодействия и визуальным данным. В метаданных указана мультимодальная архитектура Qwen3.5 для генерации текста по изображениям; репозиторий содержит веса в формате safetensors и использует Transformers.

В карточке приведена точность предсказания действий 0,470 на тестовой выборке из 498 примеров по метрике AgentNetBench score_pair. Это версия v1 с одним seed; подтверждение на трёх seed ещё ожидается, поэтому результаты предварительные. Сведения о лицензии в предоставленных источниках отсутствуют.

Сценарии применения

  • предсказание следующего действия в графическом интерфейсе
  • управление приложением по скриншотам и истории взаимодействий
  • оценка траекторий действий GUI-агента
  • эксперименты с памятью траекторий и RAG для GUI-агентов

Ограничения

Версия v1 обучена с одним seed, а подтверждение результатов на трёх seed ещё ожидается; приведённая точность 0,470 измерена на тесте из 498 примеров AgentNetBench. Лицензия в предоставленных источниках не описана.

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

memrag-basefull — Trajectory-Memory RAG (GUI agent)

Cold-start SFT from Qwen3.5-4B for GUI next-action prediction. This checkpoint = the full visual trajectory history (baseline) arm of a 3-arm A/B.

Action accuracy (n=498 test, AgentNetBench score_pair): 0.470

Status: v1, single-seed (positive; 3-seed confirmation pending). See the collection for the other arms.

Load

from transformers import AutoProcessor
from qwen_cua.modeling_qwen35_vl_latent import Qwen35VLLatentForConditionalGeneration as M
proc  = AutoProcessor.from_pretrained("hyunseoki/memrag-basefull", max_pixels=1_000_000)
model = M.from_pretrained("hyunseoki/memrag-basefull", torch_dtype="bfloat16", attn_implementation="flash_attention_2")

Plain Qwen3.5-VL arch (wm.enabled=false) — also loadable with the standard class.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3_5ForConditionalGeneration
Ревизия весов
8c5aefd

0 моделей