腾讯AI Lab终章：30B模型击穿万亿参数壁垒，“预习”式自进化如何降维打击？

导语：腾讯AI Lab诀别之作，凭借“预习”能力让30B模型打败万亿巨兽，为AI自进化指明新方向。

从被动响应的工具到自主进化的学徒，AI Agent 的每一次跃迁都在摆脱对人类的依赖。如今，随着“原生自演进”能力的出现，Agent 开始自己优化自己，不仅能降低高昂的Token消耗，还有望应对设计者都未曾预见的复杂场景。腾讯混元团队与香港科技大学（广州）联合发表的一篇论文，就为这种能力提供了全新的实现路径——而它，也是腾讯AI Lab在NLP方向的最后一篇论文。

轻量逆袭：14B击败Flash，30B碾压万亿旗舰

在最新的网页Agent任务评测中，仅14B参数的Qwen3-14B取得了33.1分，直接超越Gemini-2.5-Flash（28.5）和Kimi-K2-Turbo（28.6）。而当参数量来到30B，Qwen3-30B更是以42.5分掀翻了Gemini-2.5-Pro（36.1）和Kimi K2.5（36.2）两款万亿参数级旗舰模型。这种以小搏大的能力并非来自模型架构的魔法，而是源于一种被称为“原生自演进”的机制——让模型像人类一样提前“预习”环境，自行积累世界知识，从而在执行任务时大幅减少盲目的探索和反复的“沟通成本”。

何为真正的自进化？让Agent在没有任务时自主学习

以往的Agent自我进化大多依赖人类设计的奖励函数和流程规则，一旦外部监督撤去，成长便陷入停滞。论文通讯作者王琰曾打过一个比方：真正的自演进应该像让Agent拿到七本《哈利波特》后夜以继日地学习，等到用户提问时便能对答如流，而不是被问到才临时翻书。换句话说，Agent需要在不被告知具体任务的情况下，主动消化环境中的有效信息，沉淀为可复用的“世界知识”。

为此，团队提出了一种两阶段的原生自演进方案：

• 探索阶段：Agent获得环境的自由访问权限，并可以将提取出的重要信息写入一个world_knowledge.md文件。这份文件就是该环境的压缩知识库。
• 执行阶段：当真正面对下游任务时，Agent直接加载预先生成的世界知识到提示中，无需从零开始摸索。整个过程不依赖任何人工奖励或任务提示。

核心难题在于：如何在没有客观标准的情况下判断生成的知识质量？团队的方法是用下游任务准确率反推：对同一环境生成多份世界知识，分别用于执行任务，哪个提升最大，哪个就是更优的知识。训练中使用的奖励信号仅用于这一筛选过程，而在实际部署阶段，Agent完全脱离奖励运行，真正做到了“无奖励”自我驱动。

训练两步走：从模仿教师到超越边界

为了让基座模型习得这种探索与压缩能力，训练被细化为两个步骤：

• Warm Up（热身）：利用Gemini-2.5-Pro为每个环境生成8份不同的世界知识，选出质量最高的完整生成轨迹作为专家样例，对模型进行监督微调（SFT），让模型先“知道什么是好的世界知识”。
• On-Policy Training（在线策略训练）：让微调后的模型自己去生成世界知识，并同样进行择优迭代。循环两次后，模型彻底内化了这种能力——提示词也从最初数万token的长模板缩短至不到一千token的简单指令，证明其自主性已不再依赖冗长的外部引导。

实验基于Qwen3-30B-A3B和Seed-OSS-36B两个中等尺寸基模，在WebWalker和WebVoyager任务上取得了令人瞩目的成果。

实验成绩单：跨模型迁移与效率革命

首先，世界知识的增益立竿见影：模型平均准确率从无知识时的30%跃升至49%，提升近20个百分点。这意味着智能体能够直接定位关键信息，避免了盲目跳转和遗漏。

其次，训练的效果不容置疑。仅经过SFT的模型已能与教师模型Gemini-2.5-Pro打平，而完成在线策略训练后准确率又反超5%。相反，让未经训练的基模直接生成世界知识，效果不升反降，说明这种“预习”能力必须通过专门训练才能获得，靠加长提示词无济于事。

最令人兴奋的是世界知识的跨模型迁移性。将训练好的模型生成的世界知识喂给四个从未参与训练的模型后，它们的成绩全部飙升：Qwen3-14B达到33.1，OpenAI-OSS-120B达38.7，Gemini-2.5-Flash达41.0，Kimi-K2-Turbo达47.3。就连训练基模本身也凭借这些知识超越了万亿旗舰。这表明，高质量的知识组织本身就是一种强大的资产，在某些场景下足以弥补数量级的参数差距。

效率方面同样喜人：世界知识带来的额外开销被压缩到很低（预探索成本可在海量任务中均摊至近乎为零，线上加载开销因缓存机制而低于5%），更重要的是，Agent执行任务所需的步数减少了17%，总Token消耗不升反降。智能体不仅更聪明，而且更快、更省。

告别与启示：AI Lab的最后一课

这篇论文是腾讯AI Lab在NLP领域的最终篇章。彼时，腾讯刚宣布撤销成立近十年的AI Lab，将其整体并入混元大模型体系。而这项指向“原生自演进”的工作，被普遍认为是为微信Agent等最高优先级项目铺路。虽然从论文到落地仍有距离，但它至少有力地证明：当AI学会了在没有任务指引时主动熟悉环境、沉淀知识，它就朝着像人类一样自主适应未知世界迈出了关键一步。腾讯AI Lab的九年历程，最终用一场惊艳的“预习”表演，为自身画上了句号。