Qwen-Planner-Agent: un framework di IA per l’IA a ciclo chiuso per agenti di pianificazione mobile nel mondo reale

Abstract degli autori

I rapidi progressi dei grandi modelli linguistici stanno estendendo l’IA dalla generazione passiva di contenuti ai flussi di lavoro attivi dell’ingegneria e della scoperta scientifica. Questo cambiamento solleva una domanda stimolante: l’IA può essere al tempo stesso oggetto di sviluppo e partecipare attivamente alla costruzione dei sistemi di IA di nuova generazione? Esploriamo questa domanda sviluppando Qwen-Planner-Agent all’interno di un framework di IA per l’IA a ciclo chiuso, pensato per uno sviluppo scalabile e un miglioramento iterativo. La pianificazione su dispositivi mobili rappresenta una prova impegnativa per questo approccio: i compiti complessi e di lunga durata mettono alla prova l’affidabilità degli agenti, mentre i costi elevati delle interazioni con dispositivi reali limitano la scalabilità dello sviluppo. Il framework collega la produzione dei dati, l’addestramento dei modelli e la distribuzione attraverso un contratto condiviso di azione, feedback e verifica. (i) L’IA per i dati crea un ciclo virtuoso agentico dei dati con supervisione umana, in cui agenti specializzati definiscono compiti, raccolgono traiettorie di interazione, selezionano e bilanciano i dati di addestramento e usano il feedback dell’addestramento per orientare la generazione dei dati successiva. (ii) L’IA per l’addestramento combina una fase iniziale di pianificazione supervisionata con l’apprendimento per rinforzo agentico online in ambienti ibridi, introducendo Competence-Aware Reward-and-Advantage Engineering (CARE) per ridurre i costi di ragionamento e di utilizzo degli strumenti, preservando le prestazioni nei compiti. (iii) L’IA guida la coevoluzione di modello e harness attraverso un ciclo basato sulle evidenze di esecuzione, che coordina memoria, competenze e strumenti durante l’esecuzione e restituisce feedback strutturato sulle azioni e tracce degli errori conservate, così da favorire un adattamento coordinato del modello e dell’harness. Qwen-Planner-Agent ottiene le migliori prestazioni complessive tra tutti i modelli e sistemi valutati su MobilePA-Bench, superando il modello di base nell’uso degli strumenti, nella memoria, nelle competenze e nel coordinamento dei sottoagenti. Ulteriori valutazioni del nostro modello mostrano miglioramenti nei benchmark agentici non mobili, mantenendo in larga misura le capacità generali.