/ Модель

Характеристики

Контекст
40 960 токенов
Параметры
7,6 млрд
Размер весов
16,4 ГБ
Архитектура
qwen3 · dense
Библиотека
transformers
Опубликована
14 июн 2026

symclip-30-8B

Генерация текстаТекст → текст3 профессии

Экспериментальный чекпойнт Qwen3-8B, дообученный с помощью GRPO для оценки поведения SWE-агента при работе с кодом и тестами.

17скачиваний 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

symclip-30-8B — исследовательский чекпойнт команды LAION, полученный дообучением модели на базе laion/GLM-4_7-swesmith-sandboxes-with_tests-oracle_verified_120s-maxeps-131k-fixthink с помощью SkyRL GRPO. Это плотная причинная языковая модель семейства Qwen3 примерно на 7,6 млрд параметров; она принимает и генерирует текст, поддерживает чат и имеет контекст до 40 960 токенов. Чекпойнт создан в рамках серии абляций seqnorm + TIS: использованы симметричный PPO clip 0,2/0,2, нормализация потерь по последовательностям и Truncated Importance Sampling. Обучение остановили на шаге 78 из 80 после снижения вознаграждения от пика на шаге 30.

Модель предназначена для экспериментальной оценки обучения с подкреплением и задач SWE-агентов: работы с кодом, исправления ошибок и выполнения тестов в программных окружениях. В карточке указаны базовая модель и обучающий датасет DCAgent/exp_rpt_pymethods2test-large; трассы обучения опубликованы отдельно как open-athena/symclip. Репозиторий содержит конфигурацию запуска и метрики для воспроизведения эксперимента. Лицензия в предоставленных данных не указана.

Сценарии применения

  • эксперименты с обучением SWE-агентов с подкреплением
  • генерация решений для задач программирования
  • исправление ошибок в коде
  • выполнение тестов в программном окружении
  • анализ влияния настроек PPO clipping и TIS на качество агента

Ограничения

Вознаграждение достигло пика на раннем этапе и снизилось к концу обучения; это экспериментальный чекпойнт, а не подтверждённый стабильный релиз. Лицензия в предоставленных данных 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

symclip-30-8B

RL (SkyRL GRPO) checkpoint from the symmetric-clip arm of the seqnorm + TIS ablation series. The policy loss uses a symmetric PPO clip range (0.2 / 0.2) together with sequence-normalized loss reduction (loss_reduction=seq_mean_token_sum_norm_global) and Truncated Importance Sampling (TIS) on the rollout logprobs, on untruncated rollouts. This contrasts with the asymmetric-clip configuration used elsewhere in the series.

The rl_config.yaml in this repo is the exact launch config used for reproducibility.

Training Traces

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

The dataset contains the last episode of each trial (per make_and_upload_trace_dataset --episodes last) — the same rollouts the policy was trained on after rollback / truncation.

Training Metrics

Parsed SkyRL training metrics (per-step CSVs for the full chain 856270 → 856271 → 856272, vLLM serving metrics, and the trial-stats summary) plus the raw training .out logs are included under training_logs/ (parse_skyrl_metrics.py output). Reward peaked early (~0.70 at step 1), settled in the ~0.40-0.46 band through the mid-run, with the trailing-5 EMA maximized at step 30 before declining to ~0.27 by step 78. TIS alignment stayed healthy throughout (exact-match fraction ~0.90-0.94).

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
52b68bb

0 моделей