/ Модель

Характеристики

Контекст
40 960 токенов
Параметры
508 млн
Архитектура
qwen3 · dense
Базовая модель
Qwen3-0.6B
Опубликована
9 авг 2026

Qwen3-0.6B-ALFWorld-FullHistory-SFT

Генерация текстаТекст → текст3 профессии

Дообученная Qwen3-0.6B для пошагового выбора действий агентом в среде ALFWorld с учетом полной истории наблюдений и действий.

16скачиваний за 30 дней0лайковвеса обновлены9 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

Qiangwhu подготовил дообученную модель Qwen3-0.6B для управления агентами в ALFWorld на длинных последовательностях действий. Модель с архитектурой Qwen3ForCausalLM содержит около 507,9 млн параметров, распространяется в формате safetensors и рассчитана на контекст до 40 960 токенов.

На вход модель получает описание задачи, историю наблюдений и действий, текущее наблюдение и список допустимых действий. Она генерирует краткое рассуждение и одно исполняемое действие в тегах `...`, что подходит для пошагового выполнения задач в среде ALFWorld с горизонтом до 50 шагов. Обучение включало LoRA SFT на успешных траекториях, а затем дообучение всех параметров на дополнительных демонстрациях.

В описанной оценке на 140 задачах valid-seen средняя доля успеха составила 78,57%. Модель специализирована на ALFWorld и её форматах наблюдений и действий; результаты оценки относятся к указанному протоколу и не гарантируют качество на других средах. Лицензия в предоставленных данных не указана.

Сценарии применения

  • выбор следующего действия агента в ALFWorld
  • выполнение длинных задач поиска и переноса предметов
  • выполнение задач уборки в симуляции
  • планирование действий для охлаждения или нагрева объектов в ALFWorld

Ограничения

Специализирована на ALFWorld и обучена выдавать одно действие в формате этой среды за шаг; перенос на другие среды и форматы не подтверждён. Указанная оценка проведена на 140 задачах valid-seen с горизонтом 50 шагов.

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

Qwen3-0.6B ALFWorld Full-History SFT

This is a bf16 Qwen3-0.6B checkpoint for long-horizon ALFWorld agents. It is trained to produce brief reasoning and one executable ALFWorld action in <action>...</action> tags.

Training

The model starts from Qwen/Qwen3-0.6B. First, LoRA SFT is performed on successful DeepSeek-V4-Flash ALFWorld trajectories converted to step-level samples with full factual Observation/Action history. The resulting checkpoint is then full-parameter fine-tuned on additional successful pick_cool_then_place_in_recep and pick_two_obj_and_place demonstrations collected with a 50-step horizon.

The user prompt contains the task, all prior Observation/Action records, the current observation, and admissible actions. The assistant target contains current-step reasoning and exactly one action. Historical assistant reasoning is excluded from the prompt.

Evaluation

ALFWorld valid-seen evaluation uses 140 tasks, one deterministic rollout per task, a 50-step horizon, full 50-step factual history, and a 1024-token generation budget. Mean success rate over two runs:

PickLookCleanHeatCoolPick2All
94.29 +/- 2.8676.92 +/- 0.0077.78 +/- 0.0050.00 +/- 0.0084.00 +/- 0.0070.83 +/- 4.1778.57 +/- 0.00

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "qiangwhu/Qwen3-0.6B-ALFWorld-FullHistory-SFT"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(model_id, dtype="bfloat16")

Use the Qwen3 chat template with thinking enabled and retain the full factual ALFWorld Observation/Action history in each step prompt.

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3ForCausalLM
Ревизия весов
ffc62b0

0 моделей