Qwen-Planner-Agent：用於真實世界行動規劃代理的「AI for AI」封閉迴圈框架
為何重要
此框架展現了「AI for AI」在工程實踐中的成熟性，特別是透過 CARE 技術顯著降低了推理與工具使用成本，這對於商業化部署的經濟合理性至關重要。對產業而言，這提供了一個可複用的代理自我進化架構模版，有助於解決長遠任務中代理人可靠性不足的痛點。雖然目前成果侷限於 MobilePA-Bench，但強化的成本效益最佳化技術將直接影響模型供應商的估值與產品競爭力。
隨著大型語言模型從被動內容生成轉向主動工程與科學發現工作流程，研究團隊提出了一套名為 Qwen-Planner-Agent 的封閉迴圈「AI for AI」架構。該系統面對行動裝置上複雜且長遠的規劃任務，透過共享行動回饋機制串聯資料生產、模型訓練與部署流程。
- 訓練環節結合監督式規劃冷啟動、混合環境線上代理強化學習，並匯入「Competence-Aware Reward-and-Advantage Engineering (CARE)」技術。
- 在 MobilePA-Bench 的評估中獲得最佳整體表現，顯著優於基礎模型在工具使用、記憶力、技能與子代理協調能力。
- 採用執行證據驅動的迴圈機制，讓模型與啟動系統在執行時協同進化，並在非行動代理評估書中展現了普遍能力的提升。