يقدم الباحثون Agents-A1، وهو نموذج Mixture-of-Experts بحجم 35 مليار يحقق أداءً مماثلًا للنماذج ذات النليون من المعلمات عن طريق توسيع أفق الوكيل بدلاً من عدد المعلمات. يركز النهج على تمديد المسارات طويلة المدى وتوحيد قدرات الوكلاء المتباينة من خلال بنية تدريب متخصصة.
- يستخدم Agents-A1 بنية للمعرفة والإجراء طويلة المدى تنتج مسارات وكيلاوية بطول متوسط يبلغ 45K توكن.
- يتبع التدريب وصفة من ثلاث مراحل: الضبط الدقيق الخاضع للإشراف على المجال الكامل، وتدريب نموذج المعلم على مستوى المجال، والتقطير on-policy متعدد المعلمين والموجه حسب المجال.
- يوحّد النموذج ست مجالات متباينة في نموذج طالب واحد قابل للنشر باستخدام محاذاة المفردات البارزة لنقل المعرفة بكفاءة.
- يتفوق Agents-A1 على نماذج النليون مثل Kimi-K2.6 و DeepSeek-V4-pro في اختبارات تشمل SEAL-0 (56,4)، IFBench (80,6)، HiPhO (46,4)، FrontierScience-Olympiad (79,0)، و MolBench-Bind (56,8).
يقدم هذا العمل مسارًا عمليًا لتوسيع آفاق الوكلاء، مُظهرًا أن نموذجًا بحجم 35 مليار يمكنه مساواة أداء نماذج أكبر بكثير في المهام طويلة المدى.