WildAWM-35B-A3B-SFT
SFT-база для агентского управления компьютером
2 мин чтенияобновлено
Эта модель представляет собой этап SFT (обучение с учителем на готовых примерах) из проекта Agent World Model in the Wild, посвящённого синтезу сред и работе агентов, управляющих компьютером (Computer-Use). Чекпоинт построен на базе MoE-архитектуры (Mixture-of-Experts — модель с разреженной активацией экспертов) Qwen3.6-35B-A3B и дообучен на траекториях действий GLM-5.2, собранных на 100 задачах из набора WildAWM XAI. Модель работает в текстовом режиме с огромным контекстным окном в 262 144 токена, сохраняя стандартные форматы вызова инструментов и рассуждений Qwen. Она пригодится исследователям ИИ-агентов как готовая отправная точка перед дальнейшим обучением (например, RL) или для оценки агентских сценариев в тестовой среде WildAWM.
Ключевые особенности
- Агентская специализация: обучена на траекториях
GLM-5.2из 100-задачного SFT-сплита WildAWM XAI для работы в сценариях синтеза сред и управления компьютером. - Архитектура и контекст: основана на
Qwen3.6-35B-A3B(35.95B параметров) и поддерживает контекст длиной 262 144 токена в текстовом режиме. - Совместимость с инструментами: полностью сохраняет оригинальные форматы вызова функций (
qwen3_coder) и цепочек рассуждений (qwen3). - База для следующей стадии: служит стартовым чекпоинтом для основной модели
WildAWM-35B-A3B.
Что можно сделать
- Развернуть агентский бэкенд: поднять локальный OpenAI-совместимый сервер через
sglangс поддержкой парсеров рассуждений и вызова инструментов для автономных скриптов. - Провести оценку или дообучение: использовать чекпоинт как базовую точку инициализации в пайплайне WildAWM для тестирования и дальнейшего тюнинга собственных Computer-Use агентов.
Пример
python -m sglang.launch_server \
--model-path ChilleD/WildAWM-35B-A3B-SFT \
--served-model-name wildawm-35b-a3b-sft \
--host 0.0.0.0 --port 30000 --dtype bfloat16 \
--context-length 262144 --mem-fraction-static 0.85 \
--tool-call-parser qwen3_coder --reasoning-parser qwen3 \
--moe-runner-backend triton
Подробнее
Базовая модель: Qwen/Qwen3.6-35B-A3B (35.95B параметров).Режим работы: только текст (text-only), максимальный контекст — 262 144 токена.
Запуск: протестирован на одной GPU через sglang==0.5.15.post1 в формате bfloat16 с бэкендом triton для MoE.
Авторы: исследователи проекта MSR-Orchard (статья arXiv:2610.26828).










Комментарии