Qwen-Planner-Agent：基于AI-for-AI闭环框架的移动规划

大语言模型的快速发展正将人工智能从被动的内容生成扩展至工程和科学发现的主动工作流中。这一转变提出了一个引人深思的问题：人工智能能否既是开发对象，又是构建下一代人工智能系统的积极参与者？我们通过在一个用于可扩展开发和迭代改进的闭环 AI-for-AI 框架内构建 Qwen-Planner-Agent 来探索这一问题。移动规划为这种方法提供了严苛的测试：复杂、长周期的任务考验代理的可靠性，而昂贵的真实设备交互限制了开发的扩展性。该框架通过共享的动作-反馈-验证契约连接数据生产、模型训练和部署。（i）AI for Data 构建了一个由人工把关的智能体数据飞轮，其中专用智能体构建任务、收集交互轨迹、策展并平衡训练数据，并利用训练反馈指导后续的数据生成。（ii）AI for Training 结合了监督式规划冷启动与混合环境在线智能体强化学习，我们在此引入了能力感知奖励与优势工程（Competence-Aware Reward-and-Advantage Engineering, CARE），在保持任务性能的同时降低推理和工具使用成本。（iii）AI 通过执行证据驱动的循环推动模型与工具集的协同进化，该循环在运行时编排记忆、技能和工具，并将结构化的动作反馈和保留的失败痕迹反馈回协调的模型和工具集适应过程中。在 MobilePA-Bench 上评估的所有模型和系统中，Qwen-Planner-Agent 取得了最佳的整体性能，其在工具使用、记忆、技能和子代理协调方面均优于其基础模型。对我们模型的进一步评估显示，在非移动智能体基准测试中也取得了提升，同时基本保留了通用能力。