上海Agents-A1开源能跑长任务吗？
Agents-A1是上海人工智能实验InternScience团队开源的一个350亿参数混合专家（MoE）模型，专为长周期智能体任务设计，平均训练轨迹长度达45K token。它的核心主张是“扩展行动时序，而非堆砌参数”——通过高质量的长轨迹数据和三阶段蒸馏训练，让35B模型在长周期Agent基准上匹敌万亿参数级别模型。一、长任务能力的具体表现Agents-A1在16项基准测试中，有12项超越或持平万亿参数顶级商业模型：- 长程搜索领域：SEAL-0达56.4分，超过Kimi-K2.6（50.5分）和DeepSeek-V4-Pro（55.0分）；GAIA基准以96.0分位列所有模型最高- 科学研究领域：HiPhO物理奥林匹克46.4分，超越GPT-5.5（43.3分）；FrontierScience-Research以40.0分大幅领先所有对手（第二名GPT-5.5仅26.7分）- 指令遵循：IFBench 80.6分，领先GPT-5.5（75.9分）和Kimi-K2.6（71.8分）二、真实长任务案例论文展示了两个实战案例：在12小时的机器学习竞赛优化任务中，Agents-A1从简单CNN基线出发，自主完成数据分析、音频增强、模型集成等迭代，将验证集AUC从0.58提升至0.9935，达到金牌水平。在地球科学分析任务中，它自动识别数据源，完成了从数据提取、清洗到可视化报告撰写的完整闭环。三、核心技术Agents-A1采用三阶段训练流程：全域SFT建立基础能力 → 多领域教师模型捕获专业能力 → 多教师在线蒸馏整合六个异构领域能力。训练时使用知识-动作图谱（KAG）自动生成超长可验证轨迹，完整保留工具调用和验证过程。四、局限性Agents-A1在机器学习工程任务上仍有明显短板——MLE-Bench-Lite奖牌率43.9%，远低于GPT-5.5的72.7%。研究团队分析，这是因为该类任务需要跨越数十次实验的持续决策，对长期目标一致性和记忆能力要求更高。AI Agent的进化路径不只是“更大就是更好”，用更好的训练方法和更长的任务轨迹，同样能突破能力天花板。
发布于 安徽
分享
评论
赞
未登录
友善发言
评论
加载中
