Alibaba a récemment lancé AgentEvolver, un cadre de formation d'agents intelligents « auto-évolutifs » de bout en bout, qui intègre trois mécanismes — questionnement, navigation et auto-attribution — dans un seul système. Cela permet aux agents intelligents d'itérer en continu dans leur environnement, éliminant ainsi le besoin d'un étiquetage manuel constant des données. L'AgentEvolver 7B a obtenu un score moyen de 32,4 % sur AppWorld à avg@8 et de 57,9 % sur BFCL-v3, avec un score moyen de 45,2 %, dépassant ainsi la base de référence 14B. La version 14B a été encore améliorée, atteignant un score moyen de 57,6 % et une performance maximale de 73,1 %. Les prochaines mises à jour prendront en charge l'évolution collaborative multi-agents et un processus d'optimisation conjointe en boucle fermée en trois étapes comprenant l'interrogation, la recherche et l'attribution. #AgentIA #AgentÉvolutif
github：github.com/modelscope/Age…
