清華大學自然語言處理實驗室、中國人民大學、面壁智能與 OpenBMB 開源社區聯合發佈並開源 AgentCPM-Report，一個本地化、私有化、擁有 SOTA 性能的深度調研智能體。

AgentCPM-Report 核心亮點

• 極致效能，以小博大：通過平均 40 輪的深度檢索與近 100 輪的思維鏈推演，實現對信息的全方位挖掘與重組，讓端側模型也能產出邏輯嚴密、洞察深刻的萬字長文，在深度調研任務上以 8B 參數規模達成與頂級閉源系統的性能對標。

• 物理隔絕，本地安全：專為高隱私場景設計，支持完全離線的本地化敏捷部署，徹底杜絕雲端泄密風險。基於 UltraRAG 框架，它能高效掛載並理解您的本地私有知識庫，讓核心機密數據在“不出域”的前提下，安全地轉化為極具價值的專業決策報告。

據介紹，AgentCPM-Report 之所以能以 8B 參數媲美閉源系統源於兩大技術創新：

創新一：“寫作即推理”模式，讓思考更貼近人腦

傳統方案試圖讓模型“一口氣”生成完整大綱或內容，容易造成產出報告的邏輯崩塌，對於小模型來説是更是難上加難。AgentCPM-Report 創新性地採用了“邊寫作，邊規劃”的迭代精煉框架打破這一侷限：

• 兩階段循環：系統在 “起草” 與 “深化” 兩個狀態間不斷交替。就像人類專家一樣，寫完一段草稿後，會立即停下來反思：“有沒有需要補充的地方？側重點應該是怎樣的？”，然後回頭擴展章節、補充檢索、填充新內容。

• 漸進式優化：將宏大的萬字長文任務，拆解為一系列可執行的微小目標。模型在每一輪循環中只需解決當下的局部問題，從而在較小的參數規模條件下產出邏輯嚴密、細節豐富的長篇報告。

創新二：“多階段智能體學習”，全方位能力提升

01 四大核心能力拆解

將完整報告協作拆解為四個核心能力模塊，並針對性地進行強化訓練：

🔍 智能檢索能力：以“召回率”為核心優化指標，確保檢索內容高度相關，為寫作奠定堅實基礎；

📝 流暢寫作能力：建立多維度質量評估體系，從內容深度到表達清晰度全面把關；

🗺️ 科學規劃能力：對生成大綱進行結構化評估，確保報告邏輯嚴謹、層次分明；

🎯 精準決策能力：採用“軌跡剪枝”技術，構造高質量數據，解決“何時停止深化”的關鍵決策問題。

02 三階段訓練法：從入門到精通

• 有監督微調：高質量範文引導，掌握寫作基本範式；

• 原子能力強化：針對每項核心原子能力進行專項提升；

• 全流程優化： 端到端全鏈路強化學習，以最終報告質量為唯一目標，打通所有能力關節。

AgentCPM-Report 開源地址

• GitHub：https://github.com/OpenBMB/AgentCPM
• HuggingFace：https://huggingface.co/openbmb/AgentCPM-Report
• ModelScope：https://modelscope.cn/models/OpenBMB/AgentCPM-_Report
• GitCode：https://gitcode.com/OpenBMB/AgentCPM
• 魔樂社區：https://modelers.cn/models/OpenBMB/AgentCPM-Report