Alibaba lanzó recientemente AgentEvolver, un marco de entrenamiento de agentes inteligentes de extremo a extremo "autoevolutivo", que integra tres mecanismos —cuestionamiento, navegación y autoatribución— en un solo sistema. Esto permite que los agentes inteligentes iteren continuamente dentro de su entorno, eliminando la necesidad de un etiquetado manual constante de los datos. El AgentEvolver 7B alcanzó una puntuación media del 32,4% en AppWorld en avg@8 y del 57,9% en BFCL-v3, con una puntuación media del 45,2%, superando la línea base del 14B. La versión 14B ha sido mejorada aún más, alcanzando una puntuación media del 57,6% y un rendimiento máximo del 73,1%. Las futuras actualizaciones admitirán la evolución colaborativa multiagente y un proceso de optimización conjunta de bucle cerrado de tres etapas que incluye indagación, búsqueda y atribución. #AgenteDeIA #AgenteEvolver
github：github.com/modelscope/Age…
