Qwen-AgentWorld: Modelos de Lenguaje para Agentes Gerais

Investigadores chinos han desarrollado Qwen-AgentWorld, un modelo basado en lenguaje que simula entornos para agentes generales. Este sistema utiliza cadenas largas de razonamiento y datos reales para mejorar la precisión de las simulaciones.

El equipo de investigadores presentó dos modelos: Qwen-AgentWorld-35B-A3B y Qwen-AgentWorld-397B-A17B, capaces de simular siete dominios diferentes. Estos modelos pasan por tres etapas de entrenamiento: CPT para la adquisición inicial de habilidades generales, SFT para activar el razonamiento predictivo y RL para refinar la precisión.

“Además, el sistema actúa como simulador desacoplado para entrenar agentes en entornos virtuales y mejora su rendimiento en pruebas de inteligencia artificial”

Para evaluar su eficacia, los investigadores crearon AgentWorldBench, un marco de referencia basado en interacciones reales con cinco modelos avanzados. Los resultados muestran que Qwen-AgentWorld supera a otros sistemas existentes en varios benchmarks.

Además, el sistema actúa como simulador desacoplado para entrenar agentes en entornos virtuales y mejora su rendimiento en pruebas de inteligencia artificial.

Este desarrollo destaca la importancia del aprendizaje basado en modelos lingüísticos para mejorar las capacidades de razonamiento y planificación en agentes generales.