论文页面 - Occamy-1.0：开放帕累托前沿的35B智能协作模型

来源：https://huggingface.co/papers/2609.11977 发布于9月4日

·

由 https://huggingface.co/junboolee 提交

Junbo (https://huggingface.co/junboolee) 于9月14日发布

作者： , , , , , , , , , , , , , , , , , ,

摘要

Occamy-1.0 是一种成本效益高的协作代理模型，在复杂多步骤任务中表现出强大性能，同时以更低的成本保持广泛的智能体能力。

协作代理（Co-work agents (https://huggingface.co/papers?q=Co-work%20agents)）执行复杂的工作流程，结合信息收集、工具使用、编程和文件操作，涉及多次模型调用。由于成本和延迟在整个过程中累积，其实用价值不仅取决于峰值能力，还取决于这种能力被高效交付的方式。然而，日常工作中的许多步骤更强调状态跟踪、协调、恢复和后续执行，而非前沿规模的推理。我们提出 Occamy-1.0，这是一个通过进一步训练 post-trained Qwen3.6-35B-A3B 检查点获得的成本效益协作模型。我们构建了执行接地数据（execution-grounded data (https://huggingface.co/papers?q=execution-grounded%20data)）和环境，跨多个测试环境捕获可重放的长期轨迹（replayable long-horizon trajectories (https://huggingface.co/papers?q=replayable%20long-horizon%20trajectories)），并使用分阶段后训练（staged post-training (https://huggingface.co/papers?q=staged%20post-training)）来发展和巩固互补的执行能力。在广泛的协作基准测试中，Occamy-1.0 始终是最强的同等规模模型之一，并在多项任务上与规模大得多的前沿系统保持竞争力。根据我们所述的评估和定价协议，其在四个代表性基准上的综合表现将其置于观测到的成本-性能帕累托前沿的低成本拐点处。针对工具调用（tool calling (https://huggingface.co/papers?q=tool%20calling)）、编码和指令遵循的进一步评估也表明，这种专业化保留了广泛的智能体能力。我们发布模型权重和部分训练数据，以支持对实用协作代理（co-work agents (https://huggingface.co/papers?q=co-work%20agents)）和智能体后训练（agentic post-training (https://huggingface.co/papers?q=agentic%20post-training)）的研究。

查看 arXiv 页面 (https://arxiv.org/abs/2609.11977)查看 PDF (https://arxiv.org/pdf/2609.11977)项目页面 (https://accio-lab.github.io/occamy/)GitHub30 (https://github.com/Accio-Lab/occamy)添加到收藏夹 (https://huggingface.co/login?next=%2Fpapers%2F2609.11977)

在您的代理中获取此论文：

hf papers read 2609\.11977

没有最新版 CLI？ curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用本文的模型 1

Accio-Lab/occamy-1.0 图像-文本到文本• 35B• 约22小时前更新 • 956 • 24 (https://huggingface.co/Accio-Lab/occamy-1.0)

引用本文的数据集 0

无链接此论文的数据集

在数据集 README.md 中引用 arxiv.org/abs/2609.11977 以从此页面链接它。

引用本文的空间 0

无链接此论文的空间

在空间 README.md 中引用 arxiv.org/abs/2609.11977 以从此页面链接它。

包含此论文的收藏夹 0

无包含此论文的收藏夹

将此论文添加到收藏夹（(https://huggingface.co/new-collection)）以从此页面链接它。