RobustLLMAgent

面向 ALFWorld 与 WebShop 的 Qwen2.5 强化学习模型。所有模型与算法统一以 step200 为比较基准，training seed=0，thinking off。训练采用 GiGPO。

已完成训练的模型

模型	环境	算法	下载目录
Qwen2.5-1.5B-Instruct	ALFWorld	Vanilla	global_step_300
Qwen2.5-1.5B-Instruct	ALFWorld	Plain Gaussian	global_step_300
Qwen2.5-1.5B-Instruct	WebShop	Vanilla	global_step_300
Qwen2.5-1.5B-Instruct	WebShop	Plain Gaussian	global_step_300
Qwen2.5-1.5B-Instruct	WebShop	Stable Gaussian	global_step_200
Qwen2.5-7B-Instruct	ALFWorld	Vanilla	global_step_200
Qwen2.5-7B-Instruct	ALFWorld	Plain Gaussian	global_step_200
Qwen2.5-7B-Instruct	WebShop	Vanilla	global_step_200
Qwen2.5-7B-Instruct	WebShop	Plain Gaussian	global_step_200

表中链接标明可下载的 checkpoint；WebShop 1.5B Stable Gaussian 主结果采用 step200。

下载内容为 LoRA adapter，需搭配对应的 Qwen2.5-Instruct 基座使用。训练与评测入口见 GitHub 项目。