# Qwopus3.5
## 论文
[Reflect, Retry, Reward: Self-Improving LLMs via Reinforcement Learning](https://arxiv.org/abs/2505.24726)
## 模型简介
Qwopus3.5-9B-v3是一款基于Qwen3.5-9B的推理增强型模型，旨在同步提升推理的稳定性与正确性，同时优化推理效率——最终实现更强的跨任务泛化能力，尤其在编程领域表现突出。  
核心亮点：  
🧩 结构化推理优化 —— 通过高质量推理蒸馏与结构对齐，优化推理过程的底层结构，以更短、更稳定的推理路径实现更高的准确率。  
🔧 工具调用强化 —— 引入针对工具调用的专项强化学习训练，专为OpenClaw等工具增强型智能体框架优化，强化连续任务执行中的稳定性与工具调用熟练度。  
🔁 行动后优化范式 —— 面向复杂的多步骤智能体工作流设计，契合“以执行驱动的优化替代行动前思辨”的核心动机。


## 环境依赖
| 软件 | 版本 |
| :------: | :------: |
| DTK | 26.04 |
| python | 3.10.12 |
| torch | 2.9.0+das.opt1.dtk2604.20260126.g22910426 |
| transformers | 5.2.0.dev0 |
| vllm | 0.15.1+das.opt1.alpha.dtk2604 |

当前仅支持定制镜像: image.sourcefind.cn:5000/dcu/admin/base/custom:pytorch2.9.1-ubuntu22.04-dtk26.04-0130-py3.10-20260204-qwen3_5

- 挂载地址`-v`根据实际模型情况修改

```bash
docker run -it \
    --shm-size 200g \
    --network=host \
    --name Qwopus3.5-9B-v3 \
    --privileged \
    --device=/dev/kfd \
    --device=/dev/dri \
    --device=/dev/mkfd \
    --group-add video \
    --cap-add=SYS_PTRACE \
    --security-opt seccomp=unconfined \
    -u root \
    -v /opt/hyhal/:/opt/hyhal/:ro \
    -v /path/your_code_data/:/path/your_code_data/ \
    image.sourcefind.cn:5000/dcu/admin/base/custom:pytorch2.9.1-ubuntu22.04-dtk26.04-0130-py3.10-20260204-qwen3_5 bash
```

更多镜像可前往[光源](https://sourcefind.cn/#/service-list)下载使用，其它包安装：
```
pip install transformers==5.2.0
pip install numpy==1.25.0

```

## 数据集
`暂无`

## 训练
`暂无`

## 推理
### vllm
#### 单机推理
```bash
## serve启动
vllm serve Jackrong/Qwopus3.5-9B-v3 --trust-remote-code --dtype bfloat16 -tp 1 --port 8010

## client访问
curl -X POST "http://localhost:8010/v1/chat/completions" \
        -H "Content-Type: application/json" \
        --data '{
                "model": "Jackrong/Qwopus3.5-9B-v3",
                "messages": [
                        {
                                "role": "user",
                                "content": "介绍下自己"
                        }
                ]
        }'


```

## 效果展示
<div align=center>
    <img src="./doc/result.png"/>
</div>

### 精度
`DCU与GPU精度一致，推理框架：vllm。`

## 预训练权重
| 模型名称  | 权重大小  | DCU型号  | 最低卡数需求 |下载地址|
|:-----:|:----------:|:----------:|:---------------------:|:----------:|
| Qwopus3.5-9B-v3 | 9B | BW1000 | 1 | [HuggingFace](https://huggingface.co/Jackrong/Qwopus3.5-9B-v3) |


## 源码仓库及问题反馈
- https://developer.sourcefind.cn/codes/modelzoo/qwopus3.5_vllm

## 参考资料
- https://huggingface.co/Jackrong/Qwopus3.5-9B-v3