/ Модель

Характеристики

Контекст
40 960 токенов
Параметры
3,7 млрд
Размер весов
8,8 ГБ
Архитектура
qwen3 · dense
Библиотека
transformers
Опубликована
19 авг 2026

ToolWeave_stage2

Генерация текстаТекст → текст3 профессии

Экспериментальная чат-модель на базе Qwen3 для многошагового вызова инструментов и продвижения к завершению задач.

63скачиваний за 30 дней1лайквеса обновлены27 авг 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

ToolWeave Stage 2 — это экспериментальная чат-модель на архитектуре Qwen3, разработанная как второй этап проекта ToolWeave. Модель содержит 3,7 млрд параметров и принимает текстовые запросы; максимальная длина контекста составляет 40 960 токенов. Веса доступны в формате Safetensors для загрузки через Transformers.

Модель дообучена на многошаговых задачах BFCL во взаимодействии со средой и предназначена для выбора и вызова инструментов, а также последовательного выполнения задач, требующих нескольких вызовов. Этап обучения оптимизирует измеримый прогресс к завершению задачи, продолжая развитие навыков вызова инструментов предыдущего этапа.

В описанной внутренней проверке на 400 примерах общий показатель прогресса составил 0,4567; результаты заметно различались между категориями, а на длинном контексте чаще встречались незавершённые траектории. Эта проверка не является официальным результатом BFCL, и её набор в репозитории отсутствует. Сведения о лицензии в предоставленных данных отсутствуют.

Сценарии применения

  • вызов инструментов в диалоге
  • выполнение задач с несколькими последовательными вызовами функций
  • создание агентов для BFCL
  • проверка прогресса агента при взаимодействии со средой

Ограничения

Во внутренней проверке результаты на длинном контексте были слабее, чем на базовых задачах, и чаще возникали незавершённые траектории. Проверка не является официальным результатом BFCL, а 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

🎯 Curriculum role: build on Stage 1 tool competence and optimize actual progress through multi-turn environment interaction.

🧭 At a glance

FieldDetails
🧠 Base familyQwen3-4B-Instruct
🪜 Curriculum stageStage 2 — Progress-Reward Learning
🧱 Starting pointToolWeave Stage 1 update 25
📍 CheckpointSelected Stage 2 update 25
🎛️ Training signalFixed-denominator multi-turn Progress Reward
✅ Release statusSelected checkpoint; not the final ToolWeave Stage 3 model

ToolWeave Stage 2 trains on multi-turn BFCL environment tasks with a fixed-denominator Progress Reward, moving from correct tool execution toward reliable task completion.

📊 Evaluation (eval_400)

This is an internal ToolWeave validation on val_400_combined: 400 examples, with 100 examples each from Base, Long Context, Missing Function, and Missing Parameter. Validation used deterministic decoding (n=1, do_sample=false). The validation split is not included in this model repository, and these results are not official BFCL leaderboard results.

For Stage 2, score is the fixed-denominator Progress Reward and is equal to progress in this evaluation. It is therefore not directly comparable to the Stage 1 format-gate score.

Overall

SamplesScore / ProgressFormat rewardTool-call rewardTool-call rateTerminal coverageIncomplete trajectories
4000.45670.85820.91740.92750.87390.1450

By evaluation category

SplitSamplesProgress / ScoreTerminal coverageIncomplete trajectories
Base1000.60270.95750.0500
Long Context1000.39520.77300.2600
Missing Function1000.45150.88680.1300
Missing Parameter1000.37740.87810.1400

🚀 Usage

from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "muradil211/ToolWeave_stage2"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(model_id, device_map="auto")

Tool-use inference requires the model's function schemas and the Qwen3-compatible tool-call format.

🔗 Links

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
eeda123

0 моделей