MobileGym-4B

Это независимая репродукция обучения MobileGym-style GRPO на базе Qwen3-VL-4B-Instruct от GUI-Gym. Модель работает с изображением и текстом и предназначена для задач в мобильной среде; размер — 4,83 млрд параметров. Это не официальный релиз MobileGym.

👀 Ключевые особенности

• 🤖 Построена на Qwen3-VL-4B-Instruct; в директории есть полный Transformers checkpoint, tokenizer, processor и chat template.
• 🚀 Обучение GRPO на 160 задачах MobileGym: 3×NVIDIA H200, 96 параллельных сред, batch size 12, group size 8, 10 обновлений, learning rate 1e-6 и actor KL coefficient 0.01.
• 💯 На 256 тестовых задачах средние SR 19,34% и PR 34,35% по четырём сидам.
• 👌 Совместимый vLLM может обслуживать чекпоинт с max-model-len 40960.
• 🤔 Для воспроизведения метрик нужны среда MobileGym, промпты агента, протокол действий и конфигурация оценки.

🚀 Пример

Запуск через vLLM:

vllm serve ./MobileGym-4B --served-model-name mobilegym-4b --max-model-len 40960

Подробнее

💯 SR 19,34%, PR 34,35% на 256 задачах; стандартное отклонение SR по 4 сидам — 1,25 п.п.
🚀 Обучение шло на 3×NVIDIA H200 с 96 средами и 10 GRPO-шагами; драйвер был остановлен после сохранения шага 10.
🤔 Загрузка чекпоинта сама по себе не воспроизводит бенчмарк — нужны окружение MobileGym и его настройки.
⛔ Лицензия для этого независимого чекпоинта в карточке не указана.