Kimi端到端学习的自主Agent

近日，Kimi Researcher提出了一种基于端到端强化学习的单智能体框架，通过统一的学习架构整合任务规划、感知与工具使用能力，显著提升了自主研究任务的效率。该模型在单任务中平均执行23个推理步骤，探索超200个网页，并在HumanEval基准测试中达到26.9%的准确率，部分任务性能超越现有SOTA。

技术核心包括并行实时搜索工具、自动化数据验证管道及异步训练优化，采用Reinforce算法鼓励高效路径选择，同时惩罚冗余工具使用以提升响应速度。实验显示，模型涌现出矛盾信息修正、跨源验证等新能力。

与Anthropic的多智能体框架相比，Kimi的单智能体方案强调整体学习与强化训练的回报驱动，避免了监督微调的环境依赖问题。业界认为，两种范式各具潜力，未来若能融合优势，或将成为下一代深度调研技术的关键突破。