Характеристики

Контекст: 262 144 токена
Размер весов: 18,8 ГБ
Лицензия: Apache 2.0
Архитектура: qwen3_5 · dense
Базовая модель: Qwen3.5-9B
Библиотека: transformers
Опубликована: 16 июл 2026

Ссылки

Qwen3.5-9B-aerialsim-rl-step100

Обучение с подкреплением3 профессии

Экспериментальный мультимодальный чекпойнт Qwen3.5, дообученный с подкреплением для изучения решений по безопасности полётов в симуляторе.

17скачиваний за 30 дней1лайквеса обновлены16 июл 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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

Qwen3.5-9B-aerialsim-rl-step100 — мультимодальный чекпойнт Maya Multimodal, полученный дообучением Qwen/Qwen3.5-9B методом GRPO на 17 семействах сценариев безопасности полётов в симуляторе aerialsim-env. Модель принимает RGB-кадр и текстовое описание состояния: доступность зоны посадки, препятствия, расстояние до цели и маршрутные точки. В метаданных указана архитектура Qwen3.5 с плотной моделью на 9 млрд параметров; базовая модель поддерживает диалог и интерфейс вызова инструментов.

Чекпойнт предназначен для исследований визуально обоснованных решений по безопасности воздушных миссий и обучения мультимодальных языковых моделей с подкреплением в симуляции. Обучение выполнено методом GRPO с бинарным вознаграждением за успешное терминальное действие; сохранён шаг 100 из экспериментального запуска. Контекстная длина обучения составляла 4096 токенов.

Оценка по отдельным семействам сценариев ещё не завершена, поэтому качество решений не подтверждено результатами тестирования. Модель основана на Qwen/Qwen3.5-9B и распространяется по лицензии Apache-2.0.

Сценарии применения

Исследование безопасной посадки беспилотника в симуляции
Решение о манёвре при обнаружении препятствия на воздушном маршруте
Оценка визуальной зоны посадки вместе с текстовым состоянием полёта
Эксперименты с GRPO для мультимодальных моделей в симулированных миссиях

Ограничения

Оценка модели по семействам сценариев ещё не завершена, поэтому её качество и надёжность решений не подтверждены. Чекпойнт получен на раннем шаге обучения и предназначен для исследований в симуляторе.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей II.2Разработка и данныеСоздание и понимание программного кодаAI помогает писать, объяснять и связывать программный код с требованиями и существующей системой.20 задач21 443модели II.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Qwen3.5-9B-aerialsim-rl-step100

Qwen3.5-9B fine-tuned with GRPO on the aerialsim-env 17-family aerial safety scenario mix, trained via prime-rl on a 4x H100 pod. This is the step-100 checkpoint from run smoke_17family_qwen35_9b_4gpu_wide_2026-07-15.

Training summary

Base: Qwen/Qwen3.5-9B (dense multimodal, qwen3_5 arch)
Environment: aerialsim-env v0.1, Cosys-AirSim / UE5.5 Blocks scene, 17 scenario families
Observation mode: both (RGB frame + text scaffold with landing_zone_clear, obstacle_ahead, distance_to_goal, waypoints)
Reward: binary success on terminal action
Algorithm: GRPO, batch_size=4, group_size=4
Optimizer: AdamW with CPU offload, lr=5e-7
Rollout sampler: temperature=0.3, max_completion_tokens=1024
Eval sampler: temperature=0.0
Sequence length: 4096
GPU split: 2 train + 2 infer, tensor_parallel=2 on each side
Steps: 100

Evaluation

Per-family deterministic (T=0, single decode) eval with scaffolded text state is pending; will be reported in the accompanying paper.

Intended use

Research on visual-grounded aerial safety decisions and RL fine-tuning of multimodal LLMs on simulated aerial mission scenarios.

Author

Nahid Alam (@nahidalam) — Maya Multimodal

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

RL-агенты не запускаются как сервис инференса.

Класс архитектуры: Qwen3_5ForConditionalGeneration
Ревизия весов: deaa1ff