Aliyun PAI تُطلق مفتوحة المصدر نموذج AgenticQwen الصغير مع تدريب ثنائي لعجلة البيانات

رسالة AIMPACT، 27 أبريل (UTC+8)، وفقًا لمراقبة Beating، أطلق فريق علي PAI وفتح مصدر نموذج لغوي صغير مصمم خصيصًا لاستدعاء الأدوات الصناعية، AgenticQwen (يحتوي على نسختين: 8B و30B-A3B). تم تدريب سلسلة النماذج هذه باستخدام إطار تعلم تعزيزي مبتكر يُسمى "عجلة البيانات المزدوجة"، مما يقلل بشكل كبير من تكلفة الاستنتاج مع تحقيق قدرات وكيل (Agent) تقارب تلك الخاصة بالنماذج الضخمة ببلايين المعلمات. يكمن الميكانيزم الأساسي في أسلوب التدريب "عجلة البيانات المزدوجة". ففي البيانات المولدة اصطناعيًا التقليدية، يسهل أن تصبح متجانسة مما يؤدي إلى وصول أداء النموذج إلى حدوده القصوى، لذا أدخل AgenticQwen عجلتين: عجلة الاستنتاج تولد تلقائيًا أشكالًا أكثر صعوبة من الأخطاء التي يرتكبها النموذج؛ بينما عجلة الوكيل توسّع تدفق العمل الخطي البسيط (مثل عملية حجز تذكرة واحدة) إلى شجرة سلوك متفرعة تتضمن قيودًا ورفضًا وظروفًا معارضة، مما يحاكي سيناريوهات قرار معقدة وحقيقية. أظهرت التقييمات أن AgenticQwen-8B حقق متوسط درجة 47.4 في معايير بيئات الأدوات الحقيقية (مثل TAU-2 وBFCL-V4)، وهي درجة أعلى بكثير من Qwen3-8B الأساسية (23.8)، وتقرب من Qwen3-235B (52.0). وحققت AgenticQwen-30B-A3B (بتفعيل 3B فقط من المعلمات) درجة 50.2. حاليًا، تم نشر هذا النموذج في أنظمة إنتاج داخلية مشابهة لـ Manus، مما قلل بشكل كبير من الفجوة مع النماذج الضخمة بحجم 235B (وقت الاستنتاج من البداية إلى النهاية أقصر)، لكن الورقة أقرت أيضًا بأن النماذج الصغيرة لا تزال تواجه قيودًا في مهام البحث العميق بسبب طول السياق الأصلي المحدود بـ 40K. (المصدر: BlockBeats)