शोधकर्ताओं ने Agents-A1 पेश किया है, जो एक 35B Mixture-of-Experts मॉडल है जो पैरामीटर की संख्या को स्केल करने के बजाय एजेंट क्षितिज को स्केल करके ट्रिलियन-पैरामीटर मॉडलों के तुलनीय प्रदर्शन प्राप्त करता है। इस दृष्टिकोण में लंबे-क्षितिज ट्राजेक्टरी को बढ़ाने और एक विशेष प्रशिक्षण बुनियादी ढांचे के माध्यम से विषम एजेंट क्षमताओं को एकीकृत करने पर ध्यान केंद्रित किया गया है।
- Agents-A1 एक लंबे-क्षितिज ज्ञान-क्रिया बुनियादी ढांचे का उपयोग करता है जो औसतन 45K टोकन की लंबाई के साथ एजेंटिक ट्राजेक्टरी उत्पन्न करता है।
- प्रशिक्षण तीन चरणों के रेसिपी का पालन करता है: पूरे डोमेन पर सूपरवाइज्ड फाइन-ट्यूनिंग, डोमेन-स्तरीय टीचर मॉडल प्रशिक्षण और मल्टी-टीचर डोमेन-रोटेड ऑन-पॉलिसी डिस्टिलेशन।
- मॉडल सार्थक शब्दावली एलाइनमेंट का उपयोग करके छह विषम डोमेन को एक ही डिप्लॉय करने योग्य स्टूडेंट मॉडल में एकीकृत करता है, जिससे प्रभावी ज्ञान स्थानांतरण होता है।
- Agents-A1 SEAL-0 (56.4), IFBench (80.6), HiPhO (46.4), FrontierScience-Olympiad (79.0), और MolBench-Bind (56.8) जैसे बेंचमार्क्स पर Kimi-K2.6 और DeepSeek-V4-pro जैसे ट्रिलियन-पैरामीटर मॉडलों से बेहतर प्रदर्शन करता है।
यह कार्य एजेंट क्षितिज को स्केल करने के लिए एक व्यावहारिक मार्ग प्रदान करता है, यह दिखाते हुए कि एक 35B मॉडल लंबे-क्षितिज कार्यों पर काफी बड़े मॉडलों के प्रदर्शन से मेल खा सकता है।