К содержимому
Другое

AppWorld native ReAct agent

LoRA для Qwen3-4B, которая учит агента вызывать API

2 мин чтенияобновлено

Набор от PTTREP — это 15 LoRA-адаптеров для Qwen3-4B, которые превращают модель в ReAct-агента для бенчмарка AppWorld: он работает в Python REPL, ищет API через apis.api_docs.* и решает задачи до 50 шагов. Адаптеры обучены на успешных эпизодах учителя gpt-5.4 с оригинальной документацией AppWorld. Каждый адаптер проверяли на задачах, которых не было в его обучении: 5 фолдов × 3 сида, ни один адаптер не видел все 147 задач. Это контрольная ветка исследования о том, как формат документации инструментов влияет на обучение агента. Пригодится исследователям и разработчикам tool-агентов, которым нужен воспроизводимый baseline для AppWorld.

Ключевые особенности

  • 15 LoRA-адаптеров: 5 scenario-level фолдов × 3 сида, каждый обучен без своей отложенной группы задач.
  • Учитель — gpt-5.4 (medium reasoning); 141 успешный эпизод прошёл replay-проверки.
  • LoRA r=16, alpha=32, dropout 0.05 на всех attention и MLP projections; 3 эпохи, max length 40 960 токенов, thinking отключён.
  • Pooled TGC: 22.2% на standard, 25.4% на NL, 23.1% на STRUCT, 27.2% на CODE; у нетренированной Qwen3-4B около 3%.
  • Разброс по (fold, seed) огромный — от 3% до 50%, поэтому сравнивать адаптеры можно только внутри одного фолда.

Что можно сделать

  • Использовать как baseline для AppWorld ReAct-агента и сравнивать, как NL, JSON и Python stubs в документации влияют на успех.
  • Запустить адаптер через vLLM с --enable-lora --max-lora-rank 16 --lora-modules ckpt=<local folder> для своих экспериментов.
  • Проверять адаптеры на отложенных задачах из folds.json и смотреть устойчивость между сидами.
  • Разбирать поведение агента в Python REPL: discovery API, выбор инструмента и формат наблюдений.

Пример

from peft import PeftModel
from transformers import AutoModelForCausalLM, AutoTokenizer

repo, sub = "PTTREP/appworld-native-standard-qwen3-4b", "fold0/seed0"
tok = AutoTokenizer.from_pretrained(repo, subfolder=sub)
base = AutoModelForCausalLM.from_pretrained("Qwen/Qwen3-4B", torch_dtype="bfloat16")
model = PeftModel.from_pretrained(base, repo, subfolder=sub)
ПодробнееPooled TGC: 22.2% standard, 25.4% NL, 23.1% STRUCT, 27.2% CODE.
Для сравнения: нетренированная Qwen3-4B — около 3%, та же схема на NL/STRUCT/CODE — около 11% на своих форматах.
Нужна база Qwen3-4B, bf16 и max length 40 960; для vLLM — max-lora-rank 16.
Адаптеры ждут конкретный ReAct prompt и формат наблюдений AppWorld; код и дизайн — в приватной ветке GitHub.
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 7.6 GB · готовые файлы8.9 GB
  • FP8 / INT8рекомендуемвеса 3.9 GB4.8 GB
  • 4-bitвеса 2.2 GB3.0 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · BF16 — от RTX 3080

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Это LoRA: вместе с базовой моделью Qwen3-4B.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # PTTREP/appworld-native-standard-qwen3-4b
    # ===== Токены: вставьте свои между кавычками =====
    export HF_TOKEN=""        # huggingface.co/settings/tokens — для закрытых моделей
    # ==========================================
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download Qwen/Qwen3-4B --local-dir ~/models/Qwen3-4B
    hf download PTTREP/appworld-native-standard-qwen3-4b --local-dir ~/models/appworld-native-standard-qwen3-4b
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к Qwen3-4B
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Нужна базовая модель

Qwen/Qwen3-4B

Эта модель — LoRA / адаптер. Сначала скачайте базовую модель, затем подключите к ней эту.

  1. Qwen3-4B-Baseоснова семьи
  2. Qwen3-4B
  3. appworld-native-standard-qwen3-4b

Новые посты про версии Qwen3-4B-Base — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 2Все на Hugging Face
Слияния 1Все на Hugging Face

О модели

PTTREP/appworld-native-standard-qwen3-4b
Автор
PTTREP
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии