魔搭社区发布Piccolo决策模型 多场景决策表现优异

游戏场景：应对瞬息万变的连续决策

Piccolo具备优秀的长程决策能力，在动作游戏场景中表现尤为突出。以某款热门动作游戏的战斗场景为例，Piccolo可根据游戏实时局面，动态为角色的移动、攻击和闪避动作提供指导，在高帧率下流畅协助角色击败敌人。除了动作游戏，Piccolo还能支持益智与棋盘类游戏的策略判断，例如为超级马里奥提供移动与跳跃时机建议，为2048游戏规划合并方向，为推箱子游戏合理分配箱子与目标位置，为黑白棋选择落子位置等。

智能体工作流：覆盖全流程关键决策

在智能体工作流中，Piccolo可嵌入对应框架，覆盖工具选择、模型路由、上下文与记忆管理、权限与信任判断、任务完成验收、失败恢复等六大关键子场景，为每一步动作提供决策支持。例如，查询交付日期时选择订单系统；多个模型均可完成任务时，结合预算选择执行资源；为晚餐规划筛选上下文时，保留用户食物过敏信息，过滤过期天气等无关内容；当智能体仅获准保存草稿时，选择保存草稿而非直接发送或发布；证据不足时继续核验，遇到临时故障时判断是否重试。Piccolo的决策可帮助工作流调用工具、保留信息、请求确认或调整执行路径。

数据处理：贯穿全流程的判断支持

数据处理同样需要大量结合语义、规则与证据的判断，Piccolo可支持数据过滤、处理方案选择、产物质量评估、信息充分性判断、证据与隐私审查、工作流控制六大子场景，帮助流程决定保留什么、如何处理，以及结果是否可继续使用。例如，判断数据清洗与去重的先后顺序，选择忠于来源的摘要；计算税后利润时，缺少税额信息则先请求补充；对外分享包含邮箱的记录前，先对邮箱地址进行脱敏处理。Piccolo接收原始材料、处理要求和当前结果，对比候选动作后由数据工作流落实选择，同一决策接口可适配不同任务场景的多种判断需求。

能力进化：RSI框架驱动持续优化

为持续提升Piccolo的决策能力，团队设计了基于递归自改进（RSI）的研发框架：研究智能体根据模型错误与训练反馈选择数据、检验改动，并将实验结果用于下一轮优化，形成闭环迭代。

团队从开源社区收集了665万条数据，覆盖分类、检索、数理推理、偏好判断与工具使用等任务，定向合成决策环境后整理为训练材料，将不同来源的数据统一为“状态、问题、候选项、目标分布”的结构，硬标签给出确定选择，软标签保留评分与偏好分布，两者共用同一训练接口。同时建立包含13个标注维度、551个预定义取值的标签体系，记录领域、能力、任务形式、难度和质量等信息，所有数据入池前统一去重并排除与基准测试的重叠，保持训练与评测隔离。

为找到下一轮改进方向，团队观测逐题KL损失（模型预测与目标分布的差异），按语义标签汇总后分析不同领域、能力和任务类型的学习状态。对偏差持续较高的数据切片，复核题目条件与答案后检索相近材料或定向合成更多条件组合；对已充分学习的同质样本则减少重复曝光，保留代表性样本。自研的工具组织多个研究智能体，按“方案设计→构建与实验→结果反馈→诊断与更新”流程推进，相关工具将数据处理、训练和评测组织为可执行工作流，人类设定目标、资源预算与数据范围，智能体在约定范围内完成实验并分析结果。

通过协同优化数据、训练与推理方式，Piccolo的能力持续提升：27B基座的文本判断任务得分从初始的48.91提升至68.59，9B模型从46.78提升至60.86，4B模型从39.94提升至58.29。

未来发展方向

接下来，团队将继续提高反馈闭环的探索效率，让有限的训练与评测预算更多用于有效改进；同时强化跨模态判断能力，提升长程、实时场景中的连续决策水平。