AMAP 代理计划技术报告

于红博

摘要: 我们提出了STAgent，这是一个专为时空理解定制的主动大型语言模型，旨在解决诸如受限兴趣点发现和行程规划等复杂任务。STAgent是一个专门设计的模型，能够与时空场景中的十种不同工具进行交互，使其能够在复杂推理过程中探索、验证和完善中间步骤。值得注意的是，STAgent有效地保留了其一般能力。我们通过三个关键贡献赋予STAgent这些能力：（1）一个稳定的工具环境，支持超过十种领域特定工具，实现异步展开和训练；（2）一个分层数据策划框架，像在大海捞针一样识别高质量数据，通过1:10,000的筛选比例策划高质量查询，强调多样性和难度；（3）一个级联训练方案，从一个作为守护者的种子SFT阶段开始，测量查询难度，然后是在具有高确定性查询上微调的第二个SFT阶段，以及利用低确定性数据的最终RL阶段。通过使用Qwen3-30B-A3B初始化建立强大的SFT基础，并利用样本难度的见解，STAgent在TravelBench上表现出有希望的性能，同时在一系列通用基准测试中保持其一般能力，从而证明了我们提议的主动模型的有效性。

更新时间: 2025-12-31 16:39:09

领域: cs.AI

下载: http://arxiv.org/abs/2512.24957v1