/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
3,1 млрд
Размер весов
6,2 ГБ
Лицензия
Apache 2.0
Архитектура
qwen2 · dense
Базовая модель
Qwen2.5-3B-Instruct
Библиотека
transformers
Опубликована
4 сен 2026

ARPO-reproduce_Qwen2.5-3B-Instruct_SFT_code-config

Генерация текстаТекст → текст3 профессии

Полно-параметрическая SFT-версия Qwen2.5-3B-Instruct для исследований обучения агентных моделей.

160скачиваний за 30 дней0лайковвеса обновлены4 сен 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

Это полно-параметрическая модель Qwen2.5-3B-Instruct, дообученная методом SFT авторами репозитория wenlongzhao по конфигурации LLaMA-Factory из кодовой версии ARPO. Чекпойнт обучен на смеси ARPO-SFT-54K, включающей Tool-Star 54K и STILL, и предназначен для исследований SFT агентов, способных взаимодействовать с инструментами.

Модель использует плотную архитектуру Qwen2ForCausalLM, содержит 3,1 млрд параметров и поддерживает контекст до 32 768 токенов. Она принимает текст и генерирует текст; в метаданных указана чат-возможность. Вариант конфигурации рассчитан на максимальную длину обучения 15 000 токенов.

Чекпойнт не оценивался как самостоятельная чат-модель, поэтому его качество в обычных диалогах и практическое поведение с инструментами не подтверждены. Указана лицензия Apache-2.0; README также требует учитывать лицензии базовой модели и обучающих данных.

Сценарии применения

  • исследование SFT для языковых агентов
  • эксперименты с обучением моделей на данных использования инструментов
  • воспроизведение конфигурации ARPO для Qwen2.5-3B-Instruct

Ограничения

Модель не оценивалась как самостоятельная чат-модель, поэтому качество в обычных диалогах не подтверждено. При использовании необходимо учитывать лицензии базовой модели и обучающих данных.

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

Qwen2.5-3B-Instruct-ARPO-SFT-code

Full-parameter SFT of Qwen/Qwen2.5-3B-Instruct, following the released LLaMA-Factory yaml in the ARPO codebase.

This is the code variant (max length 15000, global batch 16, no weight decay). A companion paper variant matching Appendix E.2 is at wenlongzhao/ARPO-reproduce_Qwen2.5-3B-Instruct_SFT_paper-config.

Training data

Trained on dongguanting/ARPO-SFT-54K (Tool-Star 54K + STILL), the official ARPO SFT mix.

Training procedure

Trained with LLaMA-Factory full SFT, DeepSpeed ZeRO-3, and BF16.

HyperparameterValue
Learning rate7e-6
LR schedulecosine, warmup ratio 0.1
Epochs3
Global batch size16
Max sequence length15000
Weight decay0.0
PrecisionBF16
Seed42

Final train loss: 0.5150.

Intended use

Research checkpoint for ARPO-style agentic SFT. Not evaluated as a standalone chat model. Follow the licenses of the base model and the SFT dataset.

Citation

@article{dong2025arpo,
  author = {Guanting Dong and Hangyu Mao and Kai Ma and Licheng Bao and Yifei Chen and Zhongyuan Wang and Zhongxia Chen and Jiazhen Du and Huiyang Wang and Fuzheng Zhang and Guorui Zhou and Yutao Zhu and Ji-Rong Wen and Zhicheng Dou},
  title = {Agentic Reinforced Policy Optimization},
  journal = {CoRR},
  volume = {abs/2507.19849},
  year = {2025},
  url = {https://arxiv.org/abs/2507.19849}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2ForCausalLM
Ревизия весов
6f75b76

0 моделей