AgentCPM-Explore：为边缘规模智能体实现长程深度探索

尽管基于大语言模型（LLM）的智能体在解决复杂任务方面展现出显著潜力，现有系统仍然严重依赖大规模模型，边缘规模模型的能力在很大程度上未被充分探索。本文对在 40 亿（4B）参数规模上训练 Agentic 模型进行了首个系统性研究。我们识别出阻碍边缘规模模型性能的三大主要瓶颈：监督微调（SFT）期间的灾难性遗忘、强化学习（RL）期间对奖励信号噪声的敏感性，以及长上下文场景中冗余信息导致的推理退化。为解决这些问题，我们提出 AgentCPM-Explore，一个具有高知识密度和强探索能力的紧凑型 4B 智能体模型。我们引入一个整体性训练框架，其特色包括参数空间模型融合、奖励信号去噪和上下文信息精炼。通过深度探索，AgentCPM-Explore 在 4B 级模型中取得最先进（SOTA）性能，在四个基准上追平或超越 8B 级 SOTA 模型，甚至在五个基准上胜过 Claude-4.5-Sonnet 或 DeepSeek-v3.2 等更大规模的模型。值得注意的是，AgentCPM-Explore 在 GAIA 文本类任务上于 pass@64 下取得 97.09% 的准确率。这些结果有力地证明，边缘规模模型的瓶颈并非其固有的能力上限，而是其推理稳定性。基于我们成熟的训练框架，AgentCPM-Explore 有效释放了边缘规模模型此前被低估的巨大潜力。