Характеристики

Контекст: 262 144 токена
Размер весов: 17,5 ГБ
Архитектура: qwen3_vl · dense
Базовая модель: Qwen3-VL-8B-Instruct
Библиотека: transformers
Опубликована: 20 июл 2026

Ссылки

appgen-qwen3-vl-8b-sft-amex-2768-lr5e7-1ep

Изображение и текст → текст

Полно-параметрическая донастройка Qwen3-VL-8B для исследования и оценки визуальных агентов, выполняющих навигацию в Android-приложениях.

9скачиваний за 30 дней1лайквеса обновлены20 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.

Добавьте модель в бенчмарк
Вместе с другими моделями категории «Изображение → текст» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
Запустите и опубликуйте
Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Открыть конструктор бенчмарка

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

namhokaist разработал эту модель как полно-параметрическое SFT-дополнение Qwen/Qwen3-VL-8B-Instruct для исследования и оценки визуально-языковых Android-агентов. Модель принимает изображения и текст и предназначена для работы с траекториями навигации в Android-приложениях, включая анализ снимков экрана и формирование ответов в мультимодальном формате. Основа — плотная архитектура Qwen3-VL с 8 млрд параметров; обучение проведено на 2 768 строках, преобразованных из 210 траекторий набора AMEX, с исключением семейств приложений, отложенных для оценки.

Модель подходит для контролируемых экспериментов по переносу навыков навигации на отложенные семейства задач и оценки в AndroidWorld. Она не предназначена для автономного применения в производственной среде или сценариях, критичных к безопасности; результаты не гарантируют надёжность. Веса опубликованы в формате safetensors. Для исходного набора AMEX указана лицензия CC BY 4.0 с требованием сохранять атрибуцию; отдельная лицензия весов в предоставленных данных не указана.

Сценарии применения

анализ снимков экрана Android-приложений
оценка навигации визуального агента по интерфейсу Android
исследование переноса навыков между семействами задач Android
подготовка ответов агента по мультимодальным траекториям взаимодействия
сравнение результатов моделей на AndroidWorld

Ограничения

Модель предназначена для исследований и контролируемой оценки, а не для автономного производственного или критичного к безопасности использования. Обучение выполнено на ограниченном наборе из 210 траекторий AMEX; отдельная лицензия весов в предоставленных данных не указана.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

AMEX SFT baseline (qwen3)

This is a full-parameter supervised fine-tuning baseline for research and evaluation of Android visual-language agents. It is not intended for safety-critical, autonomous production use.

Data, attribution, and transformation

Source: https://huggingface.co/datasets/Yuxiang007/AMEX
Immutable AMEX revision: 17196b29c88dd48a7fb90ef9131bc5c7bf39f26e
AMEX is distributed under CC BY 4.0; users must preserve the AMEX attribution and comply with that license.
Selection: exactly 210 trajectories, with application/task families reserved for held-out evaluation excluded (held-out-family exclusion).
Transformation: navigation actions and screenshots were deterministically converted to the AppGen/ms-swift multimodal SFT schema, then fixed to exactly 2,768 rows. Converted dataset SHA-256: fa5281dc85fea09f9c3b09ee5d4cf7cd6a127995f801ddb650aca9442c6fede4.

Base model and exact training contract

Base model: Qwen/Qwen3-VL-8B-Instruct
Exact base commit: 0c351dd01ed87e9c1b53cbc748cba10e6187ff3b
System-prompt SHA-256: 67ff8adb0e78a617f3d0edcf196d4e4cc3239967a8c30619fc5afc14484ee8c0
GPUs/world size: 4; per-device batch 2; gradient accumulation 4.

The remaining pinned hyperparameters are:

{ "acc_strategy": "token", "adam_beta1": 0.9, "adam_beta2": 0.95, "adam_epsilon": 1e-08, "average_tokens_across_devices": true, "bf16": true, "data_seed": 42, "dataloader_num_workers": 0, "dataset_num_proc": 1, "deepspeed_offload": false, "deepspeed_stage": 2, "fp16": false, "freeze_aligner": true, "freeze_llm": false, "freeze_parameters": [ "model.visual", "model.visual.merger", "model.visual.deepstack_merger_list" ], "freeze_vit": true, "global_world_size": 4, "gradient_accumulation_steps": 4, "gradient_checkpointing": true, "lazy_tokenize": true, "learning_rate": 5e-07, "load_best_model_at_end": false, "logging_steps": 5, "loss_scale": "default", "lr_scheduler_type": "cosine", "max_grad_norm": 1.0, "max_length": 8192, "max_pixels": 2629536, "max_steps": -1, "num_train_epochs": 1.0, "optim": "adamw_torch", "packing": false, "padding_free": false, "padding_side": "right", "per_device_eval_batch_size": 1, "per_device_train_batch_size": 2, "remove_unused_columns": true, "save_only_model": true, "save_strategy": "epoch", "save_total_limit": 1, "seed": 42, "split_dataset_ratio": 0.0, "template": "qwen3_vl", "torch_dtype": "bfloat16", "train_dataloader_shuffle": true, "train_type": "full", "truncation_strategy": "delete", "use_hf": true, "use_liger_kernel": false, "warmup_ratio": 0.05, "weight_decay": 0.1 }

Intended use

This checkpoint is intended to measure base-SFT transfer from real-world AMEX navigation data and to support controlled held-out and AndroidWorld research evaluation. Results should report the immutable data/base revisions above and should not be interpreted as a general safety or reliability guarantee.

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: e11d41a