[Honor & 复旦] MagicAgent：打破 100B 迷思，通用 Agent 规划新 SOTA

TL;DR

在 Agent 领域，"规划"（Planning）一直是从被动文本处理器迈向主动智能体的天堑。近日，荣耀（Honor）联合复旦大学推出了 MagicAgent 系列模型。通过创新的合成数据框架和名为 χPO 的强化学习算法，MagicAgent-32B 在多个核心 Agent 指标上横扫 sub-100B 模型，甚至在函数调用和逻辑编排上超越了 GPT-4o 等顶尖闭源模型。

痛点深挖：Agent 训练的“跷跷板效应”

为何现有的 LLM 在处理复杂 Agent 任务时依然显得力不从心？作者指出两个核心矛盾：

1. 数据孤岛与稀缺性：开发者往往针对单一场景（如工具调用）优化，缺乏覆盖“任务分解 -> 工具选型 -> 执行监控 -> 动态纠偏”全链路的高质量数据。
2. 多任务干扰：Agent 需要同时学习严谨的逻辑编排（DAG 结构）和灵活的自然语言调度。简单的多任务混合训练会导致“跷跷板效应”——由于梯度方向不一致，模型往往顾此失彼。

Methodology：MagicAgent 的双重炼金术

1. 五维合成数据流水线

MagicAgent 不再依赖昂贵的人工标注，而是构建了一套自动化的“数据工厂”，涵盖：

• 层次化任务分解 (Hierarchical Decomposition)：将复杂意图拆解为原子 API 调用。
• 工具增强规划 (Tool-Augmented)：引入 API 模拟器，构建 (Reasoning + Acting) 的轨迹。
• 多约束调度 (Multi-Constraint)：将行程规划等建模为 CSP 问题生成数据。
• 逻辑编排 (Logic Orchestration)：利用 DAG 结构处理分支逻辑。
• 长程执行 (Long-Horizon)：强化模型在多轮对话中的状态追踪能力。

2. χPO：平衡探索与利用的强化学习

在强化学习（RL）阶段，作者提出了 χPO (eXploration-eXploitation Policy Optimization)。其物理直觉在于：

• 思考级熵正则项：在模型“思考”阶段（<think> 标签内）允许更高的随机性，鼓励生成多样的推理路径。
• 动作级熵约束：在最终“动作”生成时实施更严格的约束，确保决策的果断性。
• 信息瓶颈 (Information Bottleneck)：剔除冗余推理，只保留对决策最有助益的信息。

实验与结果：小模型也能有大智慧

在多项严苛的 Benchmark 下，MagicAgent 展示了极强的统治力：

• BFCL-v3 (函数调用)：MagicAgent-32B 准确率达 86.9%，显著领先 GPT-4o 的 66.9%。
• NaturalPlan (自然语言规划)：在复杂的行程与会议安排任务中，MagicAgent 以 55.9% 的准确率甚至压制了同门“巨无霸” Qwen3-Max。
• 消融实验验证：实验证明，如果不采用 CHI-PO 的熵平滑机制，模型在长程任务（τ2-Bench）中极易陷入循环或崩溃。

深度洞察：MoE 系列的端侧潜力

值得注意的是，MagicAgent 的 MoE 版本（30B-A3B）在保持同等性能的同时，推理延迟降低了近一倍。这对于像荣耀这样的终端厂商至关重要——它意味着强大的 Agent 规划能力可以被真正部署到手机端侧，由模型自主控制 Intent-Routing（意图路由），实现真正的个人智能助理。

总结

MagicAgent 的成功告诉我们：Agent 能力的本质不在于参数量的无限堆砌，而在于数据结构的严谨性与训练目标的多样性平衡。通过 χPO 算法对推理过程的微观调控，MagicAgent 为我们展示了一个具备常识推理、工具调用和多步骤规划能力的智能体雏形。

局限性：虽然目前在文本逻辑规划表现优异，但针对多模态环境下的具身智能（Embodied AI）反馈闭环仍有待进一步结合。