/ Модель

Характеристики

Контекст
40 960 токенов
Параметры
7,6 млрд
Размер весов
16,4 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Опубликована
26 мая 2026

a3-rl-DCAgent_exp_rpt_e2egit-v2-10-8B

Генерация текстаТекст → текст4 профессии

Экспериментальный чекпойнт Qwen3-8B, дообученный с подкреплением для выполнения задач Terminal-Bench в среде командной строки.

142скачиваний за 30 дней0лайковвеса обновлены4 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

Это экспериментальный чекпойнт размером 7,6 млрд параметров, разработанный в рамках проекта SkyRL и полученный дообучением базовой модели laion/GLM-4_7-swesmith-sandboxes-with_tests-oracle_verified_120s-maxeps-131k-fixthink с помощью обучения с подкреплением. Модель использует плотную архитектуру Qwen3 для авторегрессионной генерации текста и была обучена на наборе задач exp_rpt_e2egit-v2 из Terminal-Bench алгоритмом RLOO_n; опубликован выбранный по скользящему среднему награды чекпойнт на шаге 10 из 14.

Сценарии применения

  • выполнение задач Terminal-Bench в терминальной среде
  • генерация команд и последовательностей действий для работы в терминале
  • исследование обучения агентов с подкреплением для задач командной строки

Ограничения

Чекпойнт выбран на шаге 10 короткого запуска обучения и предназначен для экспериментальных задач Terminal-Bench; качество на других сценариях не описано. README не сообщает о специализированном интерфейсе для вызова инструментов или гарантиях надёжности.

Для каких профессий подходит4

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

a3-rl-DCAgent_exp_rpt_e2egit-v2 (step 10, 8B)

RL checkpoint from SkyRL (RLOO_n, FSDP2) trained on the exp_rpt_e2egit-v2 terminal-bench task set. This is the EMA-best checkpoint (global_step_10) selected from a legitimately-completed run (2 epochs x 7 steps/epoch = 14 training steps; lead SLURM job 515469, exit 0).

  • Base model: laion/GLM-4_7-swesmith-sandboxes-with_tests-oracle_verified_120s-maxeps-131k-fixthink (Qwen3-8B architecture)
  • Dataset: DCAgent/exp_rpt_e2egit-v2
  • Algorithm: RLOO_n, no KL loss, eps_clip 0.2/0.05, lr 8e-6, train_batch_size 64
  • Selection: EMA (alpha=1/3, 5-period) of reward/avg_raw_reward, step 10 EMA=0.6787

Training Traces

Training-time Daytona/Harbor rollouts for this run are uploaded as a companion dataset:

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3ForCausalLM
Ревизия весов
1274e3c

0 моделей