/ Модель

Характеристики

Контекст
262 144 токена
Параметры
3,7 млрд
Размер весов
8,8 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
Qwen3-4B-Thinking-2507
Библиотека
transformers
Опубликована
10 июл 2026

sim-scholar-qwen3-4b

Генерация текстаТекст → текст3 профессии

Исследовательский чекпойнт на базе Qwen3-4B для экспериментов с агентным поиском научной литературы и ответами на вопросы с использованием поисковых инструментов.

78скачиваний за 30 дней0лайковвеса обновлены26 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.

  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

Sim-Scholar Qwen3 4B — исследовательский чекпойнт Trillion Labs для поиска по научной литературе с помощью инструментов. Он создан на базе Qwen/Qwen3-4B-Thinking-2507 и дообучен методом on-policy reinforcement learning с GRPO в локальной поисковой среде S3. Модель имеет плотную архитектуру Qwen3, 3,7 млрд параметров и контекст до 262 144 токенов; опубликована в формате Safetensors и рассчитана на генерацию текста в диалоговом режиме.

Чекпойнт предназначен для экспериментов с агентами поиска литературы, ответами на научные вопросы с опорой на поиск и переносом из симулированной среды в реальные инструменты. В оценке на подмножестве LitQA2 он показал точность 0,453 против 0,173 у базовой модели, однако чекпойнт выбрали после просмотра результатов на этом же тесте, поэтому показатель диагностический, а не независимый бенчмарк. Обобщение на поиск конкретных статей не наблюдалось. Для воспроизведения поведения нужны совместимые определения инструментов, форматирование запросов и результатов, а также настройки остановки генерации. Модель может выдумывать статьи, ссылки и ответы; обучающие вопросы были синтетическими и охватывали только информатику. Не следует использовать её как авторитетный источник научной или медицинской информации. Лицензия — Apache-2.0.

Сценарии применения

  • эксперименты с агентами поиска научной литературы
  • ответы на вопросы по научным статьям с помощью поиска
  • оценка языковых моделей в среде поиска публикаций
  • исследование обучения агентов методом reinforcement learning
  • изучение переноса навыков из симулированного поиска в реальные инструменты

Ограничения

Модель может галлюцинировать публикации, цитаты и ответы; результаты оценки получены на небольшой тестовой выборке после выбора чекпойнта по этой же выборке. Поведение зависит от поисковых инструментов и retrieval backend, а обучающие вопросы ограничены синтетическими данными по информатике; для авторитетных научных или медицинских сведений модель не предназначена.

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

S3 Qwen3 4B starts from Qwen/Qwen3-4B-Thinking-2507 and is trained with on-policy reinforcement learning in the S3 local search environment.

At a glance

PropertyValue
Base modelQwen3-4B-Thinking-2507
CheckpointGlobal step 120
Trainingverl GRPO with SEAL
Training questions~1,613 value-answer items in difficulty band [1, 7]
EnvironmentNine tools over ~1.12M computer-science papers

Evaluation

The checkpoint was evaluated with the native AstaBench tool surface on the full-text-available LitQA2 test subset (n=75).

ModelAccuracy
Qwen3-4B-Thinking-2507 base0.173
S3 Qwen3 4B, step 1200.453

Accuracy increased through step 120 and declined at later checkpoints. Transfer to the AstaBench paper-finder task remained approximately flat, suggesting that the gain is specific to QA-like tasks.

Step 120 was selected after inspecting this test-set checkpoint curve. The reported result is diagnostic rather than an unbiased final benchmark.

Load the model

from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "trillionlabs/sim-scholar-qwen3-4b"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(
    model_id,
    device_map="auto",
    torch_dtype="auto",
)

Reproducing the reported behavior requires compatible tool definitions, prompting, observation formatting, and stopping behavior. These components are available in the linked code repository.

Intended use

This checkpoint is intended for research on literature-search agents, tool-using language models, agentic reinforcement learning, and sim-to-real transfer.

Limitations

  • The model can hallucinate papers, citations, or answers.
  • Reported performance comes from a small, post hoc selected evaluation.
  • Training used synthetic questions over a computer-science-only corpus.
  • Behavior depends strongly on the tool surface and retrieval backend.
  • Value-answer training did not improve paper-finding performance.

The checkpoint should not be used as an authoritative source of scientific or medical information.

License

This checkpoint is licensed under the Apache License 2.0, consistent with the base model. Training-data and third-party material retain any applicable original terms.

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
4e279c0

0 моделей