MagicAgent：突破 sub-100B 局限，打造泛化智能体规划的新基座

TL;DR

在 LLM 向自主智能体（Autonomous Agents）演进的过程中，“规划（Planning）”是核心天花板。来自荣耀终端与复旦大学的研究团队发布了 MagicAgent。通过一套创新的数据合成逻辑和 χPO 强化学习算法，MagicAgent 在多项规划基准测试中击败了 GPT-5.2 和 DeepSeek-V3，证明了即使是 32B 规模的模型，只要“训得对、数据精”，也能在逻辑复杂度极高的领域实现越级反超。

1. 痛点：为什么“泛化规划”这么难？

目前智能体研究面临两大核心挑战：

1. 数据极度匮乏：高质量、长程的工具调用轨迹（Trajectories）很难获取，依赖人工标注成本极高。
2. “跷跷板效应” (Seesaw Effect)：智能体任务是高度异构的。例如，任务分解要求模型具备强语义拆解能力，而工具调用要求模型严谨遵循 Schema。直接混合训练会导致性能在不同任务间由于梯度干扰而此消彼长。

MagicAgent 的直觉在于：通过轻量化的“原子计划”组合生成数据，并通过解耦“思考”与“动作”的强化学习来优化决策边界。

2. 核心贡献 1：可扩展的合成数据框架

作者没有采用昂贵的沙盒模拟，而是构建了基于图论的合成框架。

• 层次化任务分解：通过工具依赖图（$G_{depend}$）和参数共享图（$G_{share}$）定义“原子计划”，再利用拼接（Concatenate）、掩码（Mask）、转换（Transform）等算子生成复杂的对话轨迹。
• 长程工具执行：专门设计了需要状态跟踪（State Tracking）的场景，确保模型在多轮对话中不丢掉任务目标。

图 1：MagicAgent 两阶段训练流程：从 SFT 到多目标强化学习

3. 核心贡献 2：χPO 强化学习算法

为了解决在线环境中奖励稀疏（Sparse Reward）的问题，作者提出了 χPO (eXploration-eXploitation Policy Optimization)。

• 探索（Exploration）：引入 Token 级熵正则，并区分 Think-level（思考阶段鼓励多样化推理）与 Action-level（动作阶段要求确定性）。实验发现，思考阶段的熵通常比动作阶段高一个数量级。
• 利用（Exploitation）：引入信息瓶颈（Information Bottleneck），强制压缩无关推演，只保留对生成下一步 Action 有效的计算。

4. 实验战绩：sub-100B 的“屠龙”表现

MagicAgent 在 5 大核心数据集上展现了统治力：

图 2：MagicAgent 在各项 Benchmark 上的性能大幅领先同类规模模型

MoE 架构的稳定性

针对 MoE 模型常见的专家负载不均（Load Imbalance）问题，MagicAgent 引入了全局负载均衡（Global-batch LBL）。通过在计算全局 batch 统计量而非 micro-batch 内容来实现负载均衡，这保证了专家在处理高度同质化的智能体指令时，依然能实现良好的专业化分工。

图 3：联合优化策略下的 MoE 专家分配热力图，显示了明显的任务专业化倾向

5. 结论与洞察

MagicAgent 的成功为我们揭示了一个事实：Agent 的能力不完全取决于参数规模。 通过以下三个维度，MagicAgent 实现了对巨型模型的反超：

1. 数据原子化：将复杂规划任务拆解为可操作的原子逻辑。
2. 强化学习的精细化操控：区分“思考熵”与“动作熵”，让推理更发散，让动作更精确。
3. 计算效率：利用 MoE 架构，在端侧提供了媲美 GPT 系列的规划能力。

未来，MagicAgent 将进一步探索长上下文推理（Long-horizon Reasoning）与个性化信息的结合，有望在手机、PC 等端侧智能体中实现真正的自主决策。