由清华大学自然语言处理实验室、中国人民大学和面壁智能与OpenBMB开源社区联合推出并开源了AgentCPM-Report——这是一款专为本地化部署设计的智能体，支持私有化运行，并具备当前最优性能的深度调研能力。
AgentCPM-Report的核心优势
- 高效轻量，小模型大作为：通过平均约40轮的深度信息检索与近100轮的链式推理演进，实现对目标主题的全面挖掘与结构化重构，使得终端侧轻量模型也能稳定输出逻辑缜密、见解独到的万字级深度报告。在调研类任务中，仅以8B参数规模便能达到与主流闭源系统比肩的性能水准。
- 完全离线，安全可控：专为高敏感数据场景定制，支持纯本地、无网络的敏捷部署，从根本上规避云端传输与存储带来的数据泄露风险。基于UltraRAG架构，可高效接入并深度理解用户本地私有知识库，在“数据不出域”的前提下，将核心资产安全转化为高价值的专业分析报告。
据项目团队介绍，AgentCPM-Report能在8B参数量级上比肩顶级闭源系统，关键在于以下两项原创性技术突破：
突破一：“写作即推理”范式，让模型思考更拟人化
传统方法常要求模型一次性生成完整大纲或全文，极易引发逻辑断裂，尤其对中小规模模型而言挑战极大。AgentCPM-Report首创“边写边想、动态迭代”的精炼框架，有效破解该瓶颈：
- 双态循环机制：系统在“初稿撰写”与“内容深化”两种状态间持续切换。类比人类专家工作流——完成一段初稿后，立即启动复盘：“是否遗漏关键视角？重点应如何倾斜？”，随即回溯拓展章节、追加检索、嵌入新论据。
- 分步渐近优化：将万长文这一宏观任务，逐层拆解为多个可落地的微观子任务。模型每轮仅需聚焦解决当前局部问题，从而在有限参数约束下，稳定生成兼备严密逻辑与丰富细节的高质量长篇内容。
突破二：“多阶段智能体训练”，实现能力全栈升级
01 四大核心能力模块化构建
将端到端报告生成流程解耦为四大基础能力单元，并开展定向强化训练：
智能检索能力：以“召回准确率”为核心优化目标，保障所获取信息高度契合主题，为后续写作提供坚实语义支撑； 流畅表达能力：构建涵盖内容深度、逻辑连贯性、语言规范性等多维度的质量评估体系，全面提升文本表现力； 结构规划能力：对自动生成的大纲实施结构化校验，确保整体脉络清晰、层级合理、重点突出； 决策判断能力：引入“轨迹剪枝”策略，精准构造高质量训练样本，攻克智能体在复杂推演中“何时收束、何时深化”的关键决策难题。
02 三阶级递进式训练路径：由基础到卓越
- 监督微调阶段：依托大量优质人工撰写的标杆范文，引导模型掌握专业报告的基本范式与行文风格；
- 原子能力强化阶段：针对检索、写作、规划、决策四大能力分别设计专项训练任务，实现单点突破；
- 全链路优化阶段：采用以最终报告质量为唯一奖励信号的端到端强化学习，打通各环节协同瓶颈，实现能力闭环融合。
AgentCPM-Report开源地址
- GitHub：*
- HuggingFace：
- ModelScope：
- GitCode：
- 魔乐社区：
