Alibabanın Qwen komandası agent performansını yeddi meyarda yaxşılaşdıran yeni model təqdim etdi

Çin texnologiya nəhəngi Alibaba-nın Qwen komandası çərşənbə axşamı Qwen-AgentWorld adlı yeni modeli ictimaiyyətə təqdim etdi. Bu model agent mühitlərində hərəkət etmək üçün deyil, həmin mühitlərin nə qaytaracağını proqnozlaşdırmaq üçün təlim keçib. Yeni buraxılış yeddi fərqli sahəni vahid arxitektura altında birləşdirir: MCP (Model Context Protocol), Axtarış, Terminal, Proqram Mühəndisliyi, Android, Veb və Əməliyyat Sistemi. Alibaba-nın Qwen-AgentWorld modeli ənənəvi agent təlim metodlarından fərqli bir yanaşma tətbiq edir. Adətən agent modelləri "mühit mənə nə göstərdi, mən nə etməliyəm?" sualına cavab vermək üçün təlim keçir. Lakin Qwen-AgentWorld əks suala cavab vermək üçün hazırlanıb: "agent nə etdi, mühit nə göstərəcək?" Bu yanaşma tədqiqatçıların "dil dünya modeli" adlandırdığı bir konsepsiyanın əsasını təşkil edir. Bu modelin təlimi zamanı real istehsal mühitlərinin məhdudiyyətləri ilə qarşılaşmaq lazım deyil. Məsələn, real axtarış motorları yalnız mövcud nəticələri qaytarır və idarə olunan şərtlər yaratmağa imkan vermir. Eyni şəkildə, canlı terminallarda az disk sahəsi kimi xüsusi vəziyyətləri süni şəkildə yaratmaq mümkün deyil. Qwen-AgentWorld bu problemi həll edərək, agentlərin nadir hallarda qarşılaşdığı, lakin idarə etməyi bacarmalı olduğu sərhəd halları sistemli şəkildə simulyasiya edir. Tədqiqat qrupu simulyatorda agentləri təlim etdikdən sonra performans artımı müşahidə edib. Bu artım yalnız real mühitlərə qarşı təlim keçməklə əldə edilən nəticələri üstələyib. Ayrıca bir testdə, dünya modeli təlimindən əvvəl agentik incə tənzimləmə aparmaq yeddi müxtəlif meyarda performansı yaxşılaşdırıb. Maraqlıdır ki, bu meyarlardan üçü modelin təlim zamanı heç vaxt görmədiyi mühitlər olub. Tədqiqatçılar məqalədə əvvəlki agent tədqiqatlarında bir boşluq olduğunu qeyd ediblər. Onların fikrincə, "dünya modelləşdirməsi ümumi agentlərə aparan yolda vacib bir çatışmayan parçadır." Qwen-AgentWorld bu boşluğu doldurmaq üçün nəzərdə tutulub və agentlərin qarşılaşdığı mühitləri daha dərindən anlamağa imkan yaradır.