/ 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-mem

Изображение и текст → текст3 профессии

Дообученная Qwen3.5-4B, которая использует память о траекториях для предсказания следующего действия GUI-агента по экрану.

14скачиваний 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

hyunseoki/memrag-mem — это дообученная модель Qwen3.5-4B для предсказания следующего действия GUI-агента по текущему экрану и найденным фрагментам памяти о предыдущих траекториях. Она построена на мультимодальной плотной архитектуре Qwen3.5 и принимает изображения вместе с текстом; для загрузки используется Transformers. В тесте AgentNetBench на 498 примерах точность предсказания действий составила 0,556, что выше результатов вариантов с текущим экраном и полной историей.

Модель предназначена для выбора следующего действия в интерфейсе компьютера с использованием извлечённой траекторной памяти. Результаты приведены для версии v1 с одним seed; подтверждение на трёх seed ещё не завершено. Базовая модель — Qwen/Qwen3.5-4B. Сведения о лицензии в предоставленных источниках отсутствуют.

Сценарии применения

  • Выбор следующего действия компьютерного агента по снимку экрана
  • Использование найденных примеров прошлых GUI-траекторий при управлении интерфейсом
  • Сравнение подходов к памяти агента на тестах AgentNetBench

Ограничения

Опубликован результат только для версии v1 с одним seed; подтверждение на трёх seed ожидается. Лицензия в предоставленных источниках не указана.

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-mem — Trajectory-Memory RAG (GUI agent)

Cold-start SFT from Qwen3.5-4B for GUI next-action prediction. This checkpoint = the retrieved trajectory memory (main result) arm of a 3-arm A/B.

Action accuracy (n=498 test, AgentNetBench score_pair): 0.556 — +19.0pp vs basecur, +8.6pp vs basefull; usage-gap +11.4pp (memory is genuinely used)

armaction acc (n=498)
basecur (current only)0.366
basefull (full history)0.470
mem (retrieved memory)0.556

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-mem", max_pixels=1_000_000)
model = M.from_pretrained("hyunseoki/memrag-mem", 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
97ace16

0 моделей