/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
17,5 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3_vl · dense
Библиотека
transformers
Опубликована
28 июл 2026

appgen-qwen3-model-e-uedgrpo-awlegacy-randdense-v38-b200x4-s100-20260728-step100

Изображение и текст → текст3 профессии

Экспериментальный экспорт Qwen3-VL для GUI-агента Android, чьи веса совпадают с базовой моделью из-за пропуска всех обновлений обучения.

14скачиваний за 30 дней0лайковвеса обновлены29 июл 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

Это экспорт чекпойнта шага 100 модели AppGen Qwen3-VL Model E, подготовленный автором namhokaist для эксперимента Random-GRPO по управлению Android-интерфейсами. Модель основана на namhokaist/appgen-qwen3-vl-8b-sft-ngc-amex-avariant-E-ngc-lr2p5e7-1ep и использует архитектуру Qwen3-VL; метаданные указывают на обработку изображений и текста. Репозиторий содержит веса в формате safetensors и распространяется по лицензии Apache-2.0.

Экспорт предназначен для задач GUI-агента: интерпретации состояния Android-приложения и выполнения пользовательских сценариев в интерфейсе. В обучающем прогоне все 100 попыток обновления были пропущены, а аудит подтвердил точное совпадение всех весов с базовой моделью. Поэтому этот чекпойнт не представляет собой улучшенную версию после GRPO; он сохранён для воспроизводимости эксперимента и диагностики обучающего процесса.

Сценарии применения

  • интерпретация скриншотов Android-приложений
  • выполнение сценариев взаимодействия с Android-интерфейсом
  • исследование обучения GUI-агентов методом GRPO

Ограничения

Все 100 попыток обновления GRPO были пропущены, и веса экспорта в точности совпадают с базовой моделью; улучшение качества этим прогоном не подтверждено. Модель предназначена для исследований GUI-агентов и не рассчитана на критически важное автономное применение.

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

AppGen Qwen3-VL Model E — Random-GRPO dense v38, step 100

This is the Hugging Face export of global_step_100/actor from the completed AppGen Random-GRPO dense-reward v38 run on four NVIDIA B200 GPUs.

Important training outcome

The run completed all 100 requested steps and saved checkpoints every 10 steps, but no actor optimization update was applied. All 100 update attempts were skipped because every training batch was marked score_only. A subsequent bitwise audit compared all 750 tensors (8,767,123,696 elements) and confirmed that this step-100 export is exactly equal to the pinned Model E base checkpoint. The held-out validation success rate was also unchanged at every evaluation: 11/193 (5.6995%).

This repository preserves the requested completed-run artifact and its full provenance. It should not be interpreted as an improved GRPO model.

Artifact identity

Random-GRPO contract

  • Reward shaping: potential-based dense reward, delta emission
  • Actor learning rate: 2e-7
  • Group size: 8; train rows: 8; PPO minibatch: 64
  • Maximum environment steps: 25
  • Replay probability: 0.0; adaptive replay disabled
  • UCB: disabled
  • Category sampling: target prior, hierarchical scope
  • Total steps: 100; checkpoint/evaluation interval: 10
  • Prompt profile: AndroidWorld legacy, text-first, 10-turn history
  • Coordinate space: normalized with denominator 999

Prompt and data provenance

  • System prompt: appgen_system_prompt.txt
  • Prompt bytes: 4,041
  • Prompt SHA-256: 8795391af87a58a1670a33ae3f3e568e2af46899bc9b93fdc795c5f1fbbedfaf
  • Environment data: luca0621/appgen-training-data@e96ee5f9f53b394a23ca1ce1912cb9ad40720842
  • Requested random pool: 331 environments; 327 passed runtime validation
  • Goal-text data: luca0621/appgen-sft-data@c195ae15abd3d6aaa07f971b8d732e7a28fa8dbf
  • Goal-text artifact: sft_qwen3_UNIFIED.json, 2,768 rows
  • Goal-text SHA-256: 0f6817d5c522d629437389aeec02d4d4f1fa88e7b10dd9770ad9d9569557f8bf

Final held-out validation

CategorySuccess / tasksRate
communication0 / 280.00%
finance1 / 137.69%
food and drink1 / 175.88%
health and fitness0 / 180.00%
maps and navigation2 / 219.52%
productivity1 / 224.55%
shopping1 / 119.09%
social1 / 156.67%
tools3 / 2015.00%
travel and local1 / 283.57%
pooled11 / 1935.70%

The final mean partial-credit test score was 0.3516881456426913.

Verification files

  • appgen_grpo_manifest.json: exact run, prompt, base-model, and training contract
  • grpo_publication_identity.json: identity of this GRPO publication
  • step100_vs_base_weight_audit.json: zero-update and exact-weight-equality audit
  • run_manifest.json: inherited Model E SFT provenance
  • publication_identity.json and training_verification.json: inherited Model E publication records

Limitations

This artifact did not change the base model weights, so it should not be used to claim a Random-GRPO improvement. It is retained for reproducibility and diagnosis of the score-only training path. This model is for GUI-agent research and is not intended for safety-critical autonomous deployment.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3VLForConditionalGeneration
Ревизия весов
e1494dd

0 моделей