Специализированная модель Qwen2.5 для выбора действий языкового агента в текстовой среде ALFWorld.

Подходит для: выбор допустимого действия в текстовых задачах ALFWorld · воспроизведение экспериментов Agent-G2 в ALFWorld · исследование долгосрочных языковых агентов

Дообученная на базе Qwen2.5-3B-Instruct языковая модель для целенаправленного принятия решений и выполнения заданий в ALFWorld.

Подходит для: выбор последовательности действий для достижения цели в ALFWorld · планирование поведения агента в текстовой среде · проверка применения знаний о мире при решении задач

SEED-ALFWorld-3B — дообученная текстовая модель Qwen2.5-3B-Instruct для выполнения задач в виртуальной среде ALFWorld.

Подходит для: выбор действий по текстовой истории взаимодействия с ALFWorld · выполнение последовательных задач в виртуальной среде · навигация и взаимодействие с объектами по текстовым инструкциям

Дообученная 3,1-миллиардная Qwen2.5-модель для генерации текста и задач агента в среде ALFWorld.

Подходит для: генерация действий и ответов агента в ALFWorld · эксперименты с дистилляцией языковых моделей на задачах взаимодействия со средой · создание диалогового агента для сценариев, подобных ALFWorld

Дообученная методом дистилляции модель Qwen2.5 на 1,5 млрд параметров для генерации текста и выполнения задач в ALFWorld.

Подходит для: выполнение текстовых задач в среде ALFWorld · генерация ответов агента в интерактивных сценариях · диалоговое взаимодействие с языковым агентом

Промежуточная версия Qwen2.5-7B-Instruct, дообученная методом CCPO для управления текстовым агентом в бытовых задачах ALFWorld.

Подходит для: выбор следующего действия в текстовой симуляции бытовых задач · выполнение многошаговых инструкций в ALFWorld · оценка экспериментальных методов распределения заслуг в обучении агентной политики

Дообученная Code Llama генерирует смарт-контракты на Solidity по текстовым инструкциям.

Подходит для: генерация черновика смарт-контракта на Solidity по описанию · создание функций и фрагментов кода Solidity · ответы на инструкции по разработке смарт-контрактов

safetensors: формат, квантизация, runtime и память принадлежат одному artifact

Дообученный языковой агент Qwen2.5 для выбора действий и исследований в текстовой среде ALFWorld.

Подходит для: выбор допустимого действия в задании ALFWorld · воспроизведение экспериментов Agent-G2 в ALFWorld · исследование долгосрочных языковых агентов

Дообученная на данных ALFWorld модель Qwen2.5-7B для генерации текста в сценариях взаимодействия с виртуальной средой.

Подходит для: генерация текстовых действий и ответов в сценариях ALFWorld · эксперименты с агентами, выполняющими задания в виртуальной среде · исследование применения языковых моделей для пошагового взаимодействия со средой

Alfred-40B-0723 — дообученная LightOn с помощью RLHF модель Falcon-40B для диалогов и выполнения инструкций на нескольких европейских языках.

Подходит для: ответы на пользовательские вопросы в чате · выполнение инструкций на английском, немецком, испанском и французском · генерация текстовых ответов для диалоговых приложений

Дообученная на базе Qwen2.5-7B-Instruct модель для целенаправленного принятия решений в текстовой среде ALFWorld.

Подходит для: выбор действий для выполнения целей в ALFWorld · планирование последовательности действий в интерактивной среде · генерация текстовых решений с опорой на знания о мире

Промежуточная версия Qwen2.5-7B-Instruct, дообученная методом CCPO для управления текстовым агентом в бытовом бенчмарке ALFWorld.

Подходит для: выполнение бытовых задач в текстовой среде ALFWorld · выбор следующего действия агента по текстовому наблюдению · эксперименты с обучением многоходовых агентов с подкреплением

Промежуточная дообученная Qwen2.5-7B-Instruct для генерации действий агента в текстовом бытовом бенчмарке ALFWorld.

Подходит для: выполнение бытовых задач в симуляторе ALFWorld · выбор следующего действия агента по текстовому наблюдению среды · эксперименты с многошаговым обучением агентов методом CCPO

Экспериментальная версия Qwen3-1.7B для многошагового выполнения бытовых задач в симуляторе ALFWorld.

Подходит для: выполнение бытовых задач в симуляторе ALFWorld · выбор действий по текстовым наблюдениям среды · исследование многошаговых ReAct-агентов

Экспериментальный чекпойнт Qwen3-1.7B, дообученный для многоходового выбора действий в среде ALFWorld.

Подходит для: выполнение бытовых заданий в симуляторе ALFWorld · выбор следующего действия по текстовому наблюдению среды · многоходовое планирование в формате ReAct

Экспериментальное дообучение Qwen3-1.7B для выполнения многошаговых задач ALFWorld в формате ReAct.

Подходит для: выбор действий агента по текстовым наблюдениям ALFWorld · пошаговое выполнение задач в интерактивной среде ALFWorld · генерация ответов в формате ReAct с блоками Thought и Action

diffusers: формат, квантизация, runtime и память принадлежат одному artifact

Дообученная на траекториях Qwen3-32B модель Qwen3-1.7B для многошагового следования инструкциям и выбора действий в текстовой среде ALFWorld.

Подходит для: выбор следующего действия в ALFWorld по текстовым наблюдениям · выполнение многошаговых инструкций в текстовой среде · эксперименты с обучением агентных моделей на траекториях учителя

Промежуточная версия Qwen3-1.7B, дообученная на траекториях учителя для многошагового выполнения действий в текстовой среде ALFWorld.

Подходит для: выполнение многошаговых инструкций в ALFWorld · выбор действий по текстовым наблюдениям среды · эксперименты с обучением языковых агентов на траекториях учителя

Экспериментальная дообученная Qwen3-1.7B для многошагового выполнения инструкций в текстовой среде ALFWorld.

Подходит для: выполнение бытовых инструкций в симуляции ALFWorld · выбор действий по текстовым наблюдениям среды · многошаговое планирование в формате ReAct

Дообученная на ALFWorld модель Qwen3-8B для выполнения задач текстового агента с методом ReSAIL.

Подходит для: выполнение инструкций и действий в текстовой среде ALFWorld · оценка языковых агентов на задачах ALFWorld ID · оценка переноса языкового агента на ALFWorld OOD

Дообученная на ALFWorld модель Qwen3-4B для генерации текста и действий языкового агента в интерактивной среде.

Подходит для: управление агентом в сценариях ALFWorld · выполнение текстовых инструкций в интерактивной среде · оценка агента на знакомых сценариях ALFWorld

Промежуточный чекпойнт Qwen3-1.7B, дообученный на траекториях Qwen3-32B для экспериментов с многошаговыми ReAct-агентами в ALFWorld.

Подходит для: эксперименты с текстовым агентом в ALFWorld · генерация действий ReAct по наблюдениям игровой среды · изучение переноса поведения учителя на компактную языковую модель