/ Модель

Характеристики

Контекст
262 144 токена
Лицензия
Apache 2.0
Архитектура
qwen3_5 · dense
Базовая модель
Qwen3.5-4B
Библиотека
transformers
Опубликована
22 сен 2026

SkillGym-Qwen3.5-4B

Генерация текстаТекст → текст

Дообученная Qwen3.5-4B для применения агентских навыков и инструментов при решении задач в рабочей среде.

129скачиваний за 30 дней1лайквеса обновлены1 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

SkillGym-Qwen3.5-4B — модель Qwen3.5-4B, дообученная автором reasonwang методом supervised fine-tuning на траекториях SkillGym для работы с агентскими навыками. Она читает инструкции и справочные материалы навыка, а затем применяет их при решении задач с помощью вызовов инструментов или команд в изолированной рабочей среде. Модель предназначена для агентских сценариев, где нужно выбирать и использовать подходящий навык, а не для обычного общения в роли универсального чат-ассистента.

Модель основана на плотной архитектуре Qwen3.5 с 4 млрд параметров; в репозитории представлены веса Safetensors. Обучение выполнено в течение двух эпох на 19 тысячах проверенных успешных траекторий из набора reasonwang/skillgym-sft. Модель сохраняет шаблон чата базовой модели и может обслуживаться через совместимый с OpenAI API сервер, например vLLM. Лицензия — Apache 2.0.

К ограничениям относятся возможное исчерпание контекстного бюджета в длинных эпизодах и повторение рассуждений вплоть до лимита токенов на ход. Модель настроена на применение навыков и инструментов, поэтому её не следует считать универсальным чат-помощником.

Сценарии применения

  • выбор подходящего навыка для агентской задачи
  • чтение инструкций и справочных материалов навыка
  • выполнение многошаговых задач с вызовом инструментов
  • работа агента в изолированной рабочей среде

Ограничения

Модель не настроена как универсальный чат-ассистент; в длинных эпизодах контекст может закончиться до завершения задачи. Рассуждения иногда повторяются и могут доходить до лимита токенов на ход.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

SkillGym-Qwen3.5-4B

SkillGym-Qwen3.5-4B is Qwen3.5-4B finetuned on SkillGym trajectories to use agent skills. It is one of the models released with the paper SkillGym: Training Skill-Use Agents with Automatic Verifiable Environment Generation.

An agent skill is a folder of instructions, reference documents, and scripts that an agent can consult while solving a task. This model is trained to read the relevant skill and apply it, through tool calls or shell commands, in a sandboxed workspace.

Results

Scores are on a 0-100 scale, higher is better. SkillGym is task success on the SkillGym test set. SkillEval and SkillsBench report the mean and standard deviation over three runs. Skill-Use-Bench reports the skill-use (SU) score. All models are evaluated with skills available, using MiniSwe-Agent as the harness.

ModelSizeSkillGymSkillEvalSkillsBenchSkill-Use-Bench
MiniCPM52B33.263.0 ± 0.610.8 ± 2.724.1
+ SkillGym SFT2B33.268.1 ± 2.06.1 ± 0.844.7
Ministral-38B17.555.7 ± 3.13.9 ± 2.74.3
+ SkillGym SFT8B49.577.5 ± 0.416.9 ± 1.355.1
Qwen3.54B33.862.8 ± 1.510.1 ± 1.38.8
+ SkillGym SFT (this model)4B47.070.8 ± 1.614.3 ± 1.048.7
Qwen3.59B41.365.7 ± 1.114.8 ± 3.514.8
+ SkillGym SFT9B59.574.7 ± 1.222.4 ± 4.249.6
Qwen3.527B55.376.2 ± 1.132.6 ± 2.328.3
+ SkillGym SFT27B62.880.1 ± 1.547.4 ± 5.174.2
Qwen3.5122B/10B53.069.8 ± 1.130.1 ± 2.516.8
+ SkillGym SFT122B/10B65.080.0 ± 0.353.6 ± 5.272.2

Training

Base modelQwen/Qwen3.5-4B
Datareasonwang/skillgym-sft, 19k verified successful trajectories from three teacher models
MethodSupervised finetuning, 2 epochs
Learning rate1e-5 with linear decay, AdamW
Batch size128
Max sequence length65,536 tokens
ReasoningTrained with reasoning traces

Usage

The model keeps the chat template of its base model and can be served with any OpenAI-compatible server, for example vLLM.

vllm serve reasonwang/SkillGym-Qwen3.5-4B

In our evaluation we use temperature 0.6, top_p 0.95, top_k 20. The skill names and descriptions are listed in the system prompt, and the agent reads the skill files itself.

Limitations

  • The model is an agent policy for tasks with skills and tools. It is not tuned as a general chat assistant.
  • Long episodes can exhaust the context budget before the task is finished.
  • Reasoning occasionally repeats itself and runs to the per-turn token limit.

Citation

@article{wang2026skillgym,
  title   = {{SkillGym}: Training Skill-Use Agents with Automatic Verifiable Environment Generation},
  author  = {Wang, Renxi and Hee, Mingshan and Koto, Fajri and Baldwin, Timothy and Li, Haonan},
  journal = {arXiv preprint arXiv:2609.37539},
  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
Qwen3_5ForConditionalGeneration
Ревизия весов
87db6a7

0 моделей