摘要
针对大语言模型智能体在各领域进展碎片化的问题,本文提出 AgentOmnia 框架,旨在实现全场景智能体扩展。该框架协调任务空间定义、数据合成、后训练及评估改进,覆盖 ToC、ToB 和 ToE 应用。通过双向环境 - 任务合成与多种流水线构建大规模状态化环境。其创新在于将评估失败转化为产品需求文档(PRD),以驱动针对性的自我进化。实验表明,该方法在多个基准测试上显著优于现有基线及更大规模模型,证明了 PRD 引导自我进化的有效性。
AI 推荐理由
论文核心提出基于评估失败生成 PRD 驱动的自我进化机制,显著提升模型能力。
研究机构
华为云
论文信息