Характеристики

Контекст: 262 144 токена
Размер весов: 17,5 ГБ
Лицензия: Apache 2.0
Архитектура: qwen3_vl · dense
Базовая модель: Qwen3-VL-8B-Instruct
Библиотека: transformers
Опубликована: 23 июл 2026

Ссылки

appgen-qwen3-vl-8b-sft-appgen-R-expanded-policy-lr3p5e7

Изображение и текст → текст3 профессии

Дообученная Qwen3-VL модель для понимания интерфейсов приложений и выдачи по одному действию за ответ с учётом истории шагов.

11скачиваний за 30 дней0лайковвеса обновлены23 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

AppGen Qwen3 policy SFT — arm R — это полноценно дообученный чекпойнт Qwen/Qwen3-VL-8B-Instruct, подготовленный на пользовательских синтетических данных AppGen. Модель предназначена для интерпретации интерфейсов приложений и выдачи действий по строгой политике «одно действие за ответ» с учётом семантической истории до десяти шагов.

Модель принимает текст и изображения, а её визуальный энкодер и aligner были заморожены при обучении. Для оценки авторы указывают использовать системный промпт из репозитория, включать явное рассуждение и передавать нормализованные целочисленные координаты в диапазоне 0–999. Чекпойнт не обучался на перечисленных в README наборах для оценки интерфейсных агентов. Лицензия — Apache 2.0.

Сценарии применения

выбор следующего действия в интерфейсе приложения по скриншоту
управление приложением по последовательности экранов и истории действий
выдача координат нажатия по изображению интерфейса
проверка политик одношагового управления GUI-агентом

Ограничения

Чекпойнт обучен на синтетических пользовательских данных AppGen и не содержит примеров из ряда перечисленных evaluation-бенчмарков, поэтому качество на них из README не следует. Для оценки нужны системный промпт из репозитория, явное рассуждение и нормализованные координаты в диапазоне 0–999.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.14Универсальные способностиАвтоматизация процессов и AI-агентыAI помогает выполнять многошаговые цифровые процессы и координировать действия между системами.20 задач26 022модели II.4Разработка и данныеОтладка, тестирование и качество ПОAI помогает находить дефекты, строить проверки и повышать надёжность программного продукта.25 задач13 978моделей 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

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

AppGen Qwen3 policy SFT — arm R

This public checkpoint was trained only on user-owned synthetic AppGen data. It contains no AMEX, GUIOwl, AndroidWorld, ScreenSpot, RefExp, MoTIF, VWB, or other evaluation-benchmark examples.

Initialization: Qwen/Qwen3-VL-8B-Instruct at 0c351dd01ed87e9c1b53cbc748cba10e6187ff3b
Rows: 22,560
Dataset SHA-256: c0eb0f5c6fae9099df5301397534be7706d39e1d661852eb7050a8371c5a7b00
Training type: full
Learning rate: 3.5e-07
Optimizer steps: 705
Vision encoder and aligner: frozen
Global batch size: 32
Prompt: strict one-action <think> + <tool_call> policy with ten-step semantic history

For evaluation, use the exact appgen_system_prompt.txt included in this repository, enable explicit thinking, and provide normalized integer coordinates in [0, 999].

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: c481890