LIMI：智能体代理的「少即是多」
人工智能
2025-09-26 v2
摘要
我们定义了「代理」作为 AI 系统发挥自主能动性，通过与环境和工具的自主互动，主动发现问题、构建假设并执行解决方案的能力。这种基本能力标志着「AI 代理时代」的到来，这一产业转变推动其实现：迫切需要能够思考又能工作的 AI 系统。虽然当前 AI 在推理和生成响应方面表现出色，但产业需要的是能够执行任务、操作工具并驱动实际结果的自主代理。随着代理智能成为区分认知系统与生产性劳动者的关键特征，高效培育机器自主性变得至关重要。当前方法假设更多数据会导致更好的代理，遵循语言建模中的传统比例规律。我们从根本上挑战了这一范式。LIMI（Less Is More for Intelligent Agency）展示了代理遵循根本不同的发展原则。通过聚焦于协作软件开发和科学研究工作流程，我们展示了仅通过少量精心设计的自主行为演示，就能涌现出 sophisticated agentic 智能。仅用 78 个精心设计的训练样本，LIMI 在全面的代理基准测试中取得 73.5% 的成绩，显著超过最新的模型：Kimi-K2-Instruct（24.1%）、DeepSeek-V3.1（11.9%）、Qwen3-235B-A22B-Instruct（27.5%）和 GLM-4.5（45.1%）。最引人注目的是，LIMI 仅用 128 倍更少的样本（10,000 样本）就实现了比这些模型 53.7% 的提升——以更少的数据实现更强的 agentic 智能。我们的发现确立了「代理效率原理」：机器自主性并非源于数据丰富，而是源于对高质量 agentic 演示的战略性精选。
引用
@article{arxiv.2509.17567,
title = {LIMI: Less is More for Agency},
author = {Yang Xiao and Mohan Jiang and Jie Sun and Keyu Li and Jifan Lin and Yumin Zhuang and Ji Zeng and Shijie Xia and Qishuo Hua and Xuefeng Li and Xiaojie Cai and Tongyu Wang and Yue Zhang and Liming Liu and Xia Wu and Jinlong Hou and Yuan Cheng and Wenjie Li and Xiang Wang and Dequan Wang and Pengfei Liu},
journal= {arXiv preprint arXiv:2509.17567},
year = {2025}
}