AgenticQwen：利用双数据飞轮训练面向工业级工具使用的小型代理语言模型

现代工业应用亟需能在现实场景中执行多步推理和工具使用的代理语言模型，且需满足严格的成本与延迟约束。本文提出 AgenticQwen 模型家族，通过在合成数据及少量开源数据上进行多轮强化学习训练而成。该框架结合推理强化学习与代理强化学习，利用双数据飞轮自动生成日益复杂的任务：推理飞轮通过从错误中学习提升难度，代理飞轮则将线性工作流扩展为反映真实决策复杂度的多分支行为树。实验表明，该模型在多个代理基准测试中表现优异，并在工业系统中缩小了与大模型在搜索及数据分析任务上的差距。