Qwen3.5 模型实现预算感知多轮代理能力

2026 年 10 月 21 日，研究人员 Lamb 等人在 arXiv 发布关于 Qwen3.5 多轮代理的学术成果。该研究利用 4B 和 9B 参数的 Qwen3.5 模型，在 AppWorld 与 BabyAI 等环境中训练代理具备感知预算的能力，使其适应从 1 到 11 种不同目标函数的动态资源分配。 研究证实，通过引入超支惩罚的奖励机制，能显著提升模型在预算内的任务成功率与自然合规性。其中 Sigmoid 惩罚形式最优化成功率，而固定负奖励则更利于增强合规性。这种设计使单个代理无需外部控制器介入，即可依据用户指定的预算动态调整资源消耗策略。 该预算感知能力展现了良好的泛化性，相关收益不仅适用于训练中见过的预算，更能零样本迁移至完全未见过的任务分布及其他基准测试中，证明了该机制对任意测试时约束的适应性。

AI 根据报道生成 · 54 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。