Чи може ШІ створювати кращий ШІ? Qwen-Planner-Agent перевіряє замкнуту систему на мобільному плануванні
Дослідницька команда створила систему штучного інтелекту, яка допомагає розробляти інші системи ШІ. Фреймворк названий Qwen-Planner-Agent і спрямований на завдання мобільного планування, що вимагають довгих послідовностей дій на реальних пристроях.
Qwen-Planner-Agent — це фреймворк, що дозволяє ШІ брати участь у створенні власної наступної версії. Статтю надіслано до arXiv 24 вересня 2026 року.
Чому мобільне планування важке для агентів
Мобільне планування ставить вимогливу перевірку. Складні довгострокові завдання підривають надійність агентів. Дороге взаємодія з реальними пристроями обмежує масштабування розробки. Фреймворк з'єднує виробництво даних і тренування моделі через спільний контракт дії-зворотного зв'язку-перевірки. Цей контракт стає хребтом, що дозволяє кожному етапу говорити однією мовою. Без нього закрити цикли неможливо. Саме контракт робить цикл можливим.
Як з'єднані три цикли
Перший цикл — ШІ для даних. Спеціалізовані агенти формують завдання та збирають тракторії взаємодії. Вони курують і збалансовують тренувальні дані, використовуючи зворотний зв'язок для керування подальшою генерацією. Людська перевірка контролює цей маховик. Цикл перетворює сиру взаємодію на відібраний сигнал.
Другий цикл — ШІ для тренування. Він поєднує холодний старт з контрольованим плануванням і онлайн-реінфорсмент-лернінг агента в гібридному середовищі. Команда запропонувала CARE — інженерію винагороди та переваги з урахуванням компетентності. CARE знижує витрати на рассудження та використання інструментів, зберігаючи якість виконання завдань. Механізм формує винагороду
Джерела, за якими написано статтю
- "arXiv:2609.29892v1
https://arxiv.org/abs/2609.29892v1"