/ Модель

Характеристики

Контекст
131 072 токена
Параметры
2,6 млрд
Размер весов
61,1 ГБ
Архитектура
qwen3_moe · MoE
Базовая модель
Qwen3-30B-A3B
Библиотека
transformers
Опубликована
8 сен 2026

Qwen3-30B-A3B-Agentic-ESOpt-DocVQA

Генерация текстаТекст → текст4 профессии

Дообученная MoE-модель Qwen3 для генерации ответов на вопросы по документам в сценариях DocVQA.

164скачиваний за 30 дней0лайковвеса обновлены8 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

Qwen3-30B-A3B-Agentic-ESOpt-DocVQA (theta40) — полно-параметрический чекпойнт BF16 на базе Qwen/Qwen3-30B-A3B, полученный детерминированным воспроизведением 40 обновлений Agentic-ESOpt. Архитектура — MoE Qwen3; метаданные указывают 2,6 млрд параметров и контекст 131 072 токена.

Модель предназначена для генерации ответов на вопросы по документам в задаче DocVQA. В отчёте автора приведены ANLS 0,3653 и точность 39% для среднего по четырём выборкам, а также ANLS 0,5078 и точность 53% при оценке по лучшему результату из четырёх. Это результаты указанной конфигурации оценки, а не гарантия качества на других данных.

Модель использует Transformers и распространяется в формате safetensors. README указывает на полный чекпойнт BF16; лицензия в предоставленных данных не указана. Метаданные описывают текстовую генерацию и возможность диалога, но не заявляют поддержку изображений, поэтому способ подачи документов с изображениями из этих сведений установить нельзя.

Сценарии применения

  • ответы на вопросы по содержимому документов
  • поиск конкретных сведений в документе через вопрос
  • оценка качества ответов на задачи DocVQA
  • эксперименты с эволюционной оптимизацией языковых моделей

Ограничения

В предоставленном отчёте результаты приведены для ограниченной конфигурации DocVQA с четырьмя из 16 сгенерированных образцов; переносимость показателей на другие наборы данных не установлена. Лицензия и поддержка изображений в доступных сведениях не описаны.

Для каких профессий подходит4

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

Qwen3-30B-A3B Agentic-ESOpt DocVQA (theta40)

This is the full-parameter BF16 checkpoint obtained by deterministically replaying all 40 Agentic-ESOpt updates (generations 0–39) on Qwen3-30B-A3B.

Reported result

MetricMean4Pass4
DocVQA ANLS0.36530.5078
DocVQA Accuracy39.053.0

The source evaluation generated 16 samples per problem. The reported Mean4/Pass4 row is the group with sample_index 12–15. ANLS Mean4 is the mean ANLS over those samples; ANLS Pass4 is the mean per-problem maximum ANLS. Accuracy Mean4 is exact-match accuracy over all four samples; Accuracy Pass4 is the fraction of problems with at least one exact match. Exact unrounded values and source records are included under repro/.

Replay configuration

  • Base model: Qwen/Qwen3-30B-A3B
  • Parameter scope: full (30,532,122,624 floating-point parameters)
  • Replayed updates: 40 (generations 0–39)
  • Population: 16
  • Alpha: 0.0005
  • Reward normalization: z-score (ddof=0, eps=1e-8)
  • Training sigma schedule: cosine, 0.001 to 0.0005
  • Export dtype: BF16

es_replay_export_manifest.json records every replayed generation and verifies that the recomputed normalization weights exactly equal the weights stored in the history. repro/es_history_theta40.json is the exact history used to construct this checkpoint.

Reproduction files

  • repro/es_history_theta40.json: configuration plus all 40 replayed updates
  • repro/metrics.json: exact metric values and aggregation details
  • repro/docvqa_eval16.json: DocVQA 16-sample evaluation records

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3MoeForCausalLM
Ревизия весов
2590279

0 моделей