什么值得买App下载 App ›
连续签到专享现金活动

高德地图智能体规划技术报告

面对真实世界复杂的行程规划难题,高德地图提出了一套名为STAgent的创新解决方案。该技术通过构建专用工具环境、筛选高质量数据及设计新颖的训练范式,显著提升了AI在多约束场景下的时空推理能力,为解决行业痛点提供了新思路。

高德地图智能体规划技术报告智能速览

  • 构建专用工具环境,支撑大规模并发与强化学习训练。

  • 从三千万条历史查询中,高精度筛选出二十万高质量指令。

  • 创新采用SFT引导的级联强化学习,提升通用与专项能力。

  • 有效解决多约束POI发现、行程规划等System-2级推理难题。

高德地图智能体规划技术报告精华内容

高德地图的STAgent模型并非凭空而来,其背后是数据、环境与训练范式的三位一体革新。这三者如何协同工作,最终赋予AI强大的时空推理能力?

数据筑基

训练高质量模型的前提是拥有高质量的数据。高德地图面临的核心挑战是,原始的3000万条历史查询数据中存在大量噪声,且缺乏难度与维度的有效标注。

为此,团队设计了一套高精度的筛选流程,从海量无监督数据中成功提炼出约20万条高质量指令数据。这批数据不仅纯净,更覆盖了丰富的场景与难度,为后续模型训练打下了坚实的基础。

环境支撑

为了让智能体能够学习并与真实世界的工具交互,一个稳定且可扩展的工具调用环境至关重要。高德构建了这样一个交互式基础设施,它能够同时支撑大规模并发的工具请求和高效的强化学习训练。

这个环境就像是AI的“模拟训练场”,让模型在安全可控的条件下,不断学习如何调用地图工具、理解实时路况,并完成从简单到复杂的任务。

范式革新

在数据和环境的基础上,训练方法的创新是关键。高德提出了“SFT引导的级联强化学习”训练范式。该方法首先通过有监督微调(SFT)让模型掌握基础能力,然后通过级联式的强化学习,逐步提升其在复杂任务上的表现。

这一设计的精妙之处在于,它让模型在学习解决System-2级复杂推理任务(如带多约束的POI发现、行程规划)的同时,不丧失其通用性。实验证明,该范式显著提升了模型在真实时空场景下的推理与决策水平。

高德地图STAgent模型通过数据、环境、训练三方面的深度整合,为解决真实世界中的复杂时空推理任务提供了成功范例。这套方法论展现了AI技术在实用场景中的巨大潜力,未来它能否在更多领域发挥作用,值得持续关注。

评论

评论区空态插画

当前文章无评论,是时候发表评论了