Qwen-Planner-Agent: Khung AI-for-AI khép kín cho tác vụ lập kế hoạch trên thiết bị di động

Tác giả: Tingyu Qu, Weigao Sun, Yuecheng Liu, Yucheng Zhao, Yi Zhu, Yifeng Ding, Qiyi Wang, Sihan Cao, Pengkun Jiao, Hanlei Xie, Xiongwei Wu, Qichao Wang, Haodong Zhang, Jiajun Liu, Yuhao Wang, Yuqing Xie, Junpeng Zhao, Long Chen, Ming Ma, Sihan Yang, Ziwang Zhao, Yanhao Jia, Liangquan Gong, Feida Zhu, Yiran Zhong, Steven Hoi

Xem PDF HTML (thử nghiệm)

Tóm tắt: Sự tiến bộ nhanh chóng của các mô hình ngôn ngữ lớn đang mở rộng phạm vi của AI từ việc tạo nội dung thụ động sang các quy trình làm việc chủ động trong kỹ thuật và khám phá khoa học. Sự chuyển dịch này đặt ra một câu hỏi hấp dẫn: liệu AI có thể vừa là đối tượng phát triển, vừa là tác nhân tích cực trong việc xây dựng các hệ thống AI thế hệ tiếp theo? Chúng tôi khám phá câu hỏi này bằng cách xây dựng Qwen-Planner-Agent trong một khung làm việc AI-for-AI khép kín nhằm phát triển có khả năng mở rộng và cải tiến lặp đi lặp lại. Lập kế hoạch trên thiết bị di động (Mobile planning) là một bài kiểm tra khắt khe cho phương pháp này: các tác vụ phức tạp, dài hạn thách thức độ tin cậy của tác nhân, trong khi việc tương tác với thiết bị thực tốn kém làm hạn chế khả năng mở rộng phát triển. Khung làm việc này kết nối quá trình sản xuất dữ liệu, huấn luyện mô hình và triển khai thông qua một hợp đồng hành động-phản hồi-xác minh chung. (i) AI for Data xây dựng một vòng lặp dữ liệu tác nhân có sự kiểm soát của con người, trong đó các tác nhân chuyên biệt xây dựng tác vụ, thu thập quỹ đạo tương tác, quản lý và cân bằng dữ liệu huấn luyện, đồng thời sử dụng phản hồi huấn luyện để hướng dẫn việc tạo dữ liệu tiếp theo. (ii) AI for Training kết hợp khởi động lạnh lập kế hoạch có giám sát với học tăng cường tác nhân trực tuyến trong môi trường lai, nơi chúng tôi giới thiệu Competence-Aware Reward-and-Advantage Engineering (CARE) để giảm chi phí suy luận và sử dụng công cụ trong khi vẫn duy trì hiệu suất tác vụ. (iii) AI thúc đẩy sự đồng tiến hóa giữa mô hình và hệ thống hỗ trợ (harness) thông qua một vòng lặp dựa trên bằng chứng thực thi, điều phối bộ nhớ, kỹ năng và công cụ trong thời gian chạy, đồng thời đưa phản hồi hành động có cấu trúc và các dấu vết lỗi được lưu trữ trở lại quá trình thích ứng phối hợp giữa mô hình và hệ thống hỗ trợ. Qwen-Planner-Agent đạt hiệu suất tổng thể tốt nhất trong số tất cả các mô hình và hệ thống được đánh giá trên MobilePA-Bench, cải thiện so với mô hình cơ sở về khả năng sử dụng công cụ, bộ nhớ, kỹ năng và điều phối tác nhân phụ. Các đánh giá sâu hơn về mô hình của chúng tôi cho thấy những cải tiến trên các tiêu chuẩn tác nhân phi di động trong khi vẫn duy trì phần lớn các khả năng tổng quát.

Lịch sử gửi bài

Từ: Tingyu Qu [xem email] [v1] Thứ Năm, 24 tháng 9 năm 2026 14:38:08 UTC (6.458 KB)