Agents-A1 - 上海AIラボが開発したオープンソースのハイブリッドエキスパートエージェントモデル - AiBoss

エージェントA1とは何ですか？

Agents-A1は、上海AIラボが開発したオープンソースの35パラメータハイブリッドエキスパート（MoE）型インテリジェントエージェントモデルで、複雑な科学研究タスク向けに特別に設計されています。このモデルは、知識行動グラフを通じて検証可能な長距離軌跡インフラストラクチャを構築し、3段階のマルチエキスパート蒸留学習手法を採用することで、複雑な推論に膨大な数のパラメータを必要とする大規模モデルの限界を克服しています。長距離探索、科学的推論、指示の追従といったタスクにおいて、このモデルは1兆パラメータ規模のモデルと同等の性能を発揮します。

エージェントA1の主な機能

長距離自律ミッション実行複雑な科学研究プロセスを完了するために、継続的な多段階の相互作用、環境からのフィードバック、および反復的な実行をサポートします。
科学的推論アイデア創出、ソリューション設計、コード実装、実験的検証など、複数の段階を網羅しています。
長距離捜索これは、複数回の情報検索、相互検証、およびレポート生成を統合したものです。
ツール呼び出しこれにより、外部ツールやAPIを柔軟に利用して環境と連携し、戦略を動的に調整することが可能になります。
指示に従いました複雑な制約条件の下で、失敗後の推論、意思決定、および再計画を完了させる。

エージェントの技術的原理-A1

知識行動グラフ（KAG）通常の知識グラフとは異なり、KAGは回答の取得、検証、修正、妥当性確認の完全な軌跡を保持し、自己ゲームを通じて平均約45,000トークンの長さの高品質な長軌跡データを継続的に拡張し、モデルに対するプロセスレベルの監視を提供します。
3段階のトレーニングプロセス第1段階では、汎用インテリジェントエージェントの基本機能を獲得するために、ドメイン全体を対象とした教師あり微調整を行います。第2段階では、特定のタスク向けに複数のドメインエキスパートモデルを訓練し、特に長距離探索、科学的推論、ツール呼び出しといった専門的な機能を強化します。第3段階では、マルチドメインルーティングのオンラインポリシー蒸留（OPD）を通じて、異なるエキスパートの機能を単一のモデルに統合します。
重要な語彙の整合性の抽出このシステムは、複数の教師によるドメインルーティングのオンライン戦略抽出を採用しており、語彙の整合性を大幅に高めることでドメイン間の知識伝達の効率を向上させ、検索、科学、工学、指導遵守など、6つの異種ドメインを単一の展開可能な学生モデルに統合します。

WeChatでフォローして「オープンソース「、参加するAIオープンソースプロジェクトに関するディスカッショングループ

Agents-A1の使い方

環境準備GitHubのコードリポジトリをクローンし、Pythonの依存関係をインストールしてください。35B MoEモデルの推論をサポートするために、GPUメモリが少なくとも48GBであることを確認してください。
モデル取得HuggingFace CLIまたはModa Communityコマンドラインからダウンロードしてください。 InternScience/Agents-A1 完全な重みファイルと設定ファイル。
ローカル展開Transformersライブラリを使用してローカルパスからモデルをロードし、設定します。 device_map="auto" 複数枚のカードを並列に動作させること、または単一カードを効率的に割り当てることを可能にします。
タスク実行設定ファイルに検索APIやコードインタープリタなどの外部ツールを登録した後、研究目標を自然言語で入力すると、モデルが自動的に手順を分解し、ツールを呼び出し、結果を反復的に出力します。

Agents-A1の主な利点

小さなパラメータで、大きな可能性を秘めるわずか35個のパラメータで、SEAL-0、IFBench、HiPhOなどのベンチマークにおいて、1兆個のパラメータを持つモデルに匹敵するか、あるいはそれを凌駕する性能を発揮します。
相互作用深さスケーリング法則パラメータスケールの水平方向の拡張から、相互作用の深さの垂直方向の拡張へと移行し、より小さなスケールを使用して、より強力で複雑なタスク処理能力を活用する。
一般的および専門的な統合単一のモデルで、長距離探索、科学的推論、ツール呼び出し、指示遵守など、複数の分野を均一にカバーできる。
検証可能な長期軌跡KAGメカニズムは、完全なアクションと検証の軌跡を保持し、プロセスが追跡可能であり、結果が検証可能であることを保証します。
完全オープンソースコード、モデル、技術レポートはすべてオープンソースです。公開からわずか10日間で20万回以上のダウンロード数を記録し、コミュニティによる派生バージョンも続々と登場しています。

Agents-A1プロジェクトの住所

プロジェクト公式サイト：https://internscience.github.io/Agents-A1/
GitHubリポジトリ：https://github.com/InternScience/Agents-A1
ハギングフェイスモデルライブラリ：https://huggingface.co/InternScience/Agents-A1
arXiv技術論文：https://arxiv.org/pdf/2606.30616

Agents-A1と類似の競合製品との比較

寸法	Agents-A1	Kimi-K2.6
パラメータサイズ	35B MoE	~1T
オープンソース	はい	いいえ
位置	長距離科学研究インテリジェントエージェント	一般会話アシスタント
長距離相互作用の最適化	コアアーキテクチャ設計	部分的な支持
SEAL-0	56.4	50.0
IFBench	80.6	71.8
HiPhO	46.4	37.7
FrontierScience-Olympiad	79.0	76.0
トレーニングパラダイム	知識行動マッピング＋複数専門家による抽出	従来型の事前研修＋事後研修

Agents-A1の応用シナリオ

自動化研究文献調査や実験計画からデータ分析、結果検証まで、研究タスクの全プロセスを自動化します。
機械学習エンジニアリングモデル選択、特徴量エンジニアリング、ハイパーパラメータチューニング、モデル統合といった複雑なエンジニアリング反復処理を自動的に完了します。
複雑な情報検索複数回にわたる詳細な検索を実行し、情報を相互検証し、構造化された調査レポートを作成する。
長期にわたるコード開発大規模プロジェクトにおけるプログラミング、デバッグ、パフォーマンス最適化、および自動コードレビューをサポートします。
科学計算これは、数学的証明、化学分子シミュレーション、バイオインフォマティクスデータ分析など、計算負荷の高いタスクを支援することができます。