// 01 AgentCPM-Explore 是什么
平台总体概述
核心定义
AgentCPM-Explore 是一个 开源端侧智能体基础模型，参数规模约 40 亿（4B），能够在多个长程智能体基准任务中实现稳定的连续环境交互，其中包括 GAIA、HLE、BrowserComp 等评测项目。
发展背景
在智能体研究中，较大参数量模型（如 8B 以上）通常被认为具备长程任务处理能力，而 AgentCPM-Explore 通过紧凑设计与训练优化，在端侧资源限制下实现了同级甚至越级的推理表现，支持超 100 轮交互用于深度探索和策略演化。
开源生态组成
AgentCPM-Explore 的发布包括 全栈开源生态组件，涵盖以下三个主要部分：
AgentDock：工具沙盒统一管理与调度平台，支持多并发工具集成与容错机制。
AgentRL：全异步强化学习训练框架，用于训练与策略优化验证。
AgentToLeaP：一键式评测平台，可在多个智能体基准上自动执行性能评估。
核心能力结构
智能体交互能力
AgentCPM-Explore 支持超过 100 轮稳定环境交互，并通过动态策略调整与多源信息验证机制实现深度探索任务处理，适合长步推理与复杂任务。
此交互能力包括：
多步试探与搜索策略迭代
实时验证环境反馈信息
连续交互保持逻辑连贯性
长程任务评估趋势
在多项主流评测基准（如 GAIA、HLE、BrowserComp、WebWalker、Xbench-DeepResearch、Seal-0 等）中，AgentCPM-Explore 达到或超过同参数规模模型的表现，并在某些任务中表现优于参数更大的模型（如 8B~30B+）。
训练与推理基础
由 OpenBMB 社区发布的全流程训练代码包括：
基于异步强化学习优化路径
对基础模型进行长程任务具体优化
支持端侧推理部署和本地资源集成
上述设计有助于提升模型在资源受限设备上的推理效率。
技术组件详解
AgentDock 平台
AgentDock 是工具沙盒和调度管理平台，通常用于：
高并发工具服务集成
动态任务分发
容器化工具调用与负载均衡
弹性扩缩容与工具热插拔
这些机制通常有助于智能体在端侧长期运行时维持稳定性和性能。
AgentRL 异步强化学习
AgentRL 提供强化学习训练框架，用于优化智能体策略，使其在长期交互环境中能够自适应探索和行为调整。
AgentToLeaP 一键评测
AgentToLeaP 是自动化评测平台，用于在多个智能体测试基准上执行标准评估流程，并输出一致性评估结果。
应用场景
复杂长程任务
AgentCPM-Explore 适用于需要多步探索、逐步推理的复杂任务，例如多阶段决策、模拟策略演化、情境探索模拟等。
智能体开发与评估
作为开源智能体基础模型及框架环境，它可用于智能体算法研究、基准测试体系建设和新策略验证。
端侧推理部署
由于参数规模较小且资源需求较低，AgentCPM-Explore 通常可在具备 GPU 或异构计算能力的终端设备部署，用于离线或本地推理任务。
教育与实验平台
在人工智能教育与实验平台中，该模型可用于教学、探索智能体行为特性、以及教学示例构建。
如何使用
获取模型与代码
访问 GitHub 仓库：https://github.com/OpenBMB/AgentCPM
克隆项目代码并检查 Readme 文档以获取构建和依赖要求。
环境准备
安装 Python 及深度学习框架（如 PyTorch）。
安装项目依赖项并准备本地推理/训练硬件环境。
模型加载与推理
使用项目内提供的推理示例代码加载 4B 参数模型。
根据任务需求设置输入环境和任务定义。
运行交互循环收集模型响应。
训练与策略优化
使用 AgentRL 提供的训练框架配置强化学习任务。
利用 AgentToLeaP 进行评测和验证。
根据反馈调整训练超参数以提高模型表现。
