1. 首頁 > 生活百科 > >

騰訊AI Lab開源可復現的深度研究智能體，最大限度降低外部依賴

騰訊人工智能aiPython

騰訊AI Lab開源可復現的深度研究智能體，最大限度降低外部依賴

文章圖片

騰訊AI Lab開源可復現的深度研究智能體，最大限度降低外部依賴

文章圖片

騰訊AI Lab開源可復現的深度研究智能體，最大限度降低外部依賴

文章圖片

騰訊AI Lab開源可復現的深度研究智能體，最大限度降低外部依賴

文章圖片


騰訊AI Lab 投稿
量子位 | 公眾號 QbitAI
深度研究智能體（Deep Research Agents）憑借大語言模型（LLM）和視覺-語言模型（VLM）的強大能力 ， 正在重塑知識發現與問題解決的范式 。
然而 ， 現有開源智能體框架多依賴付費工具 ， 限制了可復現性和普適性 。
騰訊AI Lab全新推出的Cognitive Kernel-Pro ， 一款全開源、多模塊、層次化的智能體框架 ， 為深度研究智能體的開發與訓練提供了突破性解決方案 。

在GAIA基準全集上 ， Cognitive Kernel-Pro超越開源免費框架SmolAgents ， 性能逼近依賴付費工具的智能體 ， 展現出卓越的綜合能力 。 在GAIA-text上 ， 訓練的8B模型超越WebDancer和WebSailor-7B 。
相關論文排上當日HuggingFace熱榜第一 。


此外 ， 騰訊AI Lab公開了Agent Foundation Model的訓練配方 ， 為社區提供可復現的訓練路徑 。
相關技術報告及代碼已開源于GitHub ， 詳細鏈接可見文末 。
全開源智能體框架
Cognitive Kernel-Pro以Python代碼為動作空間 ， 充分發揮現代LLM的推理和代碼生成能力 。
其核心設計包括以下四點 。
1、模塊化架構：框架采用兩層多模塊設計 ， 包含主智能體和多個子智能體（如網頁導航智能體、文件處理智能體） 。 主智能體負責任務分解和信息整合 ， 子智能體專注于特定任務（如網頁瀏覽、文件操作） ， 確保模塊獨立性和擴展性 。
2、狀態管理與規劃：通過“進度狀態”（Progress State）機制 ， 智能體能夠記錄已完成步驟、待辦任務、歷史經驗和關鍵信息 。 這種結構化狀態管理顯著提升了復雜任務的處理效率 。
3、標準化任務接口：主智能體與子智能體通過簡潔的文本接口通信 ， 子智能體以Python函數形式定義 ， 輸入任務字符串 ， 輸出格式化結果和日志 ， 便于協作與調試 。
4、測試時優化：框架引入反思機制（Reflection）和投票機制（Voting） ， 通過評估和優化動作軌跡 ， 提升任務完成質量 。 反思機制允許智能體審查和修正先前動作 ， 投票機制則通過多輪軌跡比較選擇最優結果 ， 顯著增強了網頁瀏覽等高隨機性任務的穩定性 。

上表顯示了Agent框架工具的使用和能力情況 。
比較專有工具時 ， Google Search API（可以輕松切換到 DuckDuckGo 等免費 API）被排除在外 ， 它是搜索相關任務的必備功能 。
注：WebDancer 和 WebSailor 主要關注Web Agent ， 支持 PDF 獲取和簡單處理 ， 但缺乏通用文件Agent功能 。
許多現有智能體框架依賴付費工具 ， 增加了使用成本并限制了廣泛應用 。 而Cognitive Kernel-Pro框架盡可能使用免費、開源工具 ， 使用LLM的python代碼生成能力和理解能力對智能體任務進行處理 。
創新訓練方法
Cognitive Kernel-Pro不僅提供了強大的框架 ， 還設計了全面的訓練流程 ， 覆蓋網頁導航、文件處理、代碼生成和推理等多個領域 。
關鍵創新包括：
高質量Web Agent數據構建 通過構造可驗證的查詢-答案對 ， 結合中間過程提示和基于提示的拒絕采樣 ， 顯著提升訓練數據的質量和相關性. Persona Hub數據增強 利用Persona Hub生成多樣化的合成查詢 ， 結合跨系統驗證 ， 增強訓練數據的多樣性和魯棒性 。 推理數據優化 對現有數據集（如NumiaMath、LogicCot、TACO）進行精細化處理 ， 適配智能體任務格式 ， 確保訓練數據與實際應用場景一致 。 軌跡采樣 以GPT-4.1為骨干模型生成智能體軌跡 ， 并通過相似度匹配進行拒絕采樣 ， 最大化訓練數據的有效性 。 性能優勢
Cognitive Kernel-Pro在網頁信息檢索、文件處理和復雜推理等任務中表現出色 ， 尤其在GAIA基準上超越SmolAgents ， 接近依賴付費工具的智能體框架 。
相較于依賴Jina Reader、FireCrawl等付費工具的現有開源框架 ， Cognitive Kernel-Pro強調LLM和VLM的內在能力 ， 最大限度降低外部依賴 ， 實現真正的全開源 。
上圖的技術報告中對比了多個AI智能體框架 ， 顯示Cognitive Kernel-Pro在功能全面性和開源程度上具有顯著優勢 。 框架支持靈活切換免費API（如DuckDuckGo） ， 進一步提升了可訪問性 。

上表展示了Cognitive Kernel-Pro與其他開源 Agent基礎模型的性能對比 。
Cognitive Kernel-Pro 在 GAIA-text基準測試中取得了優異的成績 ， 超越了WebDancer和WebSailor類似大小模型 ， 體現了框架、模型訓練方法的優越性 。
首先 ， Cognitive Kernel-Pro是一個通用Agent框架 ， 有更好的文件Agent、Code Agent的處理能力 ， 在框架上比整體上是Web Agent的WebThinker、WebDancer、WebSailor要能處理更復雜的情況 。
其次 ， 在訓練對應的開源模型CK-Pro-8B時 ， 更通用、豐富的Agent數據被包含進訓練集 ， 共同提升了Agent基座模型的能力 。

上表展示了測試Cognitive Kernel-Pro反思功能的消融實驗 。
更強的模型 ， 例如GPT-4.1 ， 可以提供更好的反思信號 ， 但開源模型例如Qwen-3-32B已經能提供相當GPT-4.1的反思效果 。
Cognitive Kernel-Pro的研究團隊表示 ， 未來工作將關注在將反思能力蒸餾到同一個Agent基座模型中 。
GitHub：https://github.com/Tencent/CognitiveKernel-ProArxiv：https://arxiv.org/pdf/2508.00414
— 完 —

量子位 QbitAI · 頭條號

【騰訊AI Lab開源可復現的深度研究智能體，最大限度降低外部依賴】關注我們 ， 第一時間獲知前沿科技動態簽約

    推薦閱讀