/ Модель

Характеристики

Контекст
40 960 токенов
Параметры
7,6 млрд
Размер весов
16,4 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
Qwen3-8B
Библиотека
transformers
Опубликована
8 окт 2026

Qwen3-8B-Base-Agent

Генерация текстаТекст → текст

Дообученная на многоходовых траекториях версия Qwen3-8B для разработки и оценки диалоговых агентов с вызовом инструментов.

225скачиваний за 30 дней0лайковвеса обновлены12 окт 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

Qwen3-8B-Base-Agent — агентная версия Qwen3-8B, подготовленная командой проекта MIMESIS. Это полноразмерное дообучение с коротким этапом supervised fine-tuning перед многоходовым обучением с подкреплением. Модель обучали на примерно 1 000 многоходовых траекторий из пяти сред, где агент чередует рассуждение и вызовы инструментов.

Модель предназначена прежде всего для оценки и разработки диалоговых агентов в средах UserRL: она ведёт многоходовый диалог и использует инструменты для выполнения задач. В опубликованных авторами результатах базовый чекпойнт получил средний балл 18,49 по восьми средам и девяти тестовым пользовательским моделям; эти результаты относятся к описанной авторами экспериментальной оценке.

Модель содержит 7,6 млрд параметров, использует плотную архитектуру Qwen3ForCausalLM и формат safetensors. Контекст составляет 40 960 токенов. Она принимает текст и генерирует текст; интерфейс вызова инструментов отражён в метаданных. Лицензия — Apache-2.0. Карточка описывает узкую экспериментальную настройку на синтетических траекториях пяти сред, поэтому результаты не гарантируют качество на произвольных задачах или инструментах.

Сценарии применения

  • оценка диалогового агента в средах UserRL
  • создание многоходового агента с вызовом инструментов
  • эксперименты с обучением агентов на траекториях диалогов

Ограничения

Обучение описано на примерно 1 000 синтетических траекторий из пяти сред, а оценка охватывает ограниченный набор сред и пользовательских моделей; перенос на другие задачи не подтверждён. Языки модели в предоставленных данных не перечислены.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Qwen3-8B-Base-Agent

The Base agent from MIMESIS: Qwen3-8B after a short supervised warm start, before multi-turn reinforcement learning. The RL agents in the collection all start from this checkpoint.

Paper · Code · Project page · Collection

Results

Mean task score of the five Qwen3-8B agents from the paper across eight UserRL environments, three of them held out from training (IntentionGym, TelepathyGym, SearchGym), under nine evaluation user models that were not used in training.

AgentTraining userObjectiveMean score
Base (this model)noneSFT18.49
UserRLGPT-5.5GRPO26.10
InfoPOMIMESIS-9BInfoPO26.65
UserRL+MIMESIS-9BGRPO29.54
CSDMIMESIS-9BGRPO + CSD31.09

Each score is the mean over the nine evaluation users; per-user and per-environment scores are in Appendix D of the paper.

Training

Full fine-tuning of Qwen3-8B on about 1,000 multi-turn trajectories from the five training environments (TravelGym, TurtleGym, FunctionGym, TauGym and PersuadeGym). The trajectories were generated with GPT-4o playing both the agent and the user, keeping the top-ranked ones in each environment, and each agent turn is reasoning in <think> tags followed by one tool call.

Usage

The model loads like Qwen3-8B. To evaluate it in the eight environments, install the agent code, serve a user model as described there, and run from the agent directory:

bash scripts/run_eval.sh phanviethoang1512/Qwen3-8B-Base-Agent base

Citation

@article{phan2026mimesis,
  title   = {{MIMESIS}: Learning User Simulators as Training Environments for Interactive Agents},
  author  = {Phan, Hoang and Huynh, Dat and Zhmoginov, Andrey and Zeng, Qi and Mu, Wancen and Cao, Yue and Bi, Shengjie and He, Yun and Oh, Changdae and Lei, Deren},
  journal = {arXiv preprint arXiv:2610.09484},
  year    = {2026}
}

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
ac90e82

0 моделей