AMAP Agentic 规划技术报告

摘要

本文提出面向时空理解的Agentic大语言模型STAgent，用于处理带约束的兴趣点发现、行程规划等复杂任务。模型能在时空场景中与十种工具交互，在复杂推理中探索、验证和改进中间步骤，同时保留通用能力。作者提出三项关键设计：一是支持十余种领域工具的稳定工具环境，支持异步轨迹生成与训练；二是分层数据筛选框架，以1∶10,000的筛选比例寻找高质量查询，同时强调多样性与难度；三是级联训练流程，先以种子SFT阶段衡量查询难度，再在高确定性查询上进行第二阶段SFT，最后用低确定性数据开展强化学习。以Qwen3-30B-A3B初始化后，STAgent在TravelBench上取得较好表现，并在多种通用基准中维持通用能力，展示了该Agentic模型方案的有效性。

AMAP Agentic 规划技术报告配图 — 图1：STAgent总体框架，面向真实时空推理。流程包含三个阶段：（1）稳健交互环境，以ROLL基础设施及FastMCP协议支持高效异步工具推理；（2）高质量数据构建，以自演进筛选框架从海量无监督数据中筛选多样且有挑战性的查询；（3）级联训练流程，按难度区分样本，以SFT引导的强化学习结合监督微调与强化学习。