AI 能動(dòng)性的時(shí)代要求系統(tǒng)不僅能思考，更要能干活：包括協(xié)同編程（人機(jī)協(xié)作開(kāi)發(fā)）和自動(dòng)化科學(xué)研究。LIMI 僅用 78 個(gè)樣本就超越 GPT-5 達(dá) 14.1%，并發(fā)現(xiàn)了能動(dòng)性效率原則： AI 能動(dòng)性不僅來(lái)源于數(shù)據(jù)豐富性，更來(lái)自于戰(zhàn)略性構(gòu)建。

本文來(lái)自于上海創(chuàng)智學(xué)院和上海交大劉鵬飛老師團(tuán)隊(duì)，團(tuán)隊(duì)專注于構(gòu)建最前沿 AI 系統(tǒng)。核心作者來(lái)自于香港理工大學(xué)，上海交通大學(xué)，以及中國(guó)科學(xué)技術(shù)大學(xué)。

從 ChatGPT 到 Claude，從 Codex 到 Claude Code，全球科技公司正在 "能動(dòng)性" 領(lǐng)域展開(kāi)激烈競(jìng)爭(zhēng)。這一趨勢(shì)反映了產(chǎn)業(yè)界的關(guān)鍵認(rèn)知：能動(dòng)性能力正成為 AI 系統(tǒng)的核心競(jìng)爭(zhēng)力，決定著 AI 能否從簡(jiǎn)單的對(duì)話工具演進(jìn)為真正的工作伙伴。具備能動(dòng)性的 AI 系統(tǒng)將重新定義人機(jī)協(xié)作模式，成為推動(dòng)各行各業(yè)智能化轉(zhuǎn)型的關(guān)鍵技術(shù)。

什么是 "能動(dòng)性"？它是 AI 系統(tǒng)主動(dòng)發(fā)現(xiàn)問(wèn)題、制定假設(shè)，并通過(guò)與環(huán)境和工具的自主交互執(zhí)行解決方案的能力。這種能力的重要性在于，它使 AI 從被動(dòng)響應(yīng)工具轉(zhuǎn)變?yōu)橹鲃?dòng)執(zhí)行的智能助手，能夠獨(dú)立完成復(fù)雜的知識(shí)工作任務(wù)。例如，讓模型從零開(kāi)始開(kāi)發(fā)一個(gè)完整的五子棋游戲需要模型具備需求理解、架構(gòu)設(shè)計(jì)、代碼實(shí)現(xiàn)、調(diào)試優(yōu)化等完整的自主執(zhí)行能力。這種協(xié)作編程場(chǎng)景代表了現(xiàn)代知識(shí)工作的典型需求，而具備這種能力的 AI 系統(tǒng)將能夠承擔(dān)大量現(xiàn)實(shí)世界的復(fù)雜任務(wù)

同樣，在科研工作流程中，模型需要完成從文獻(xiàn)調(diào)研到實(shí)驗(yàn)設(shè)計(jì)，從數(shù)據(jù)分析到洞察生成的完整鏈路。能動(dòng)性使 AI 能夠獨(dú)立推進(jìn)科學(xué)研究進(jìn)程，這對(duì)于加速科學(xué)發(fā)現(xiàn)具有重大意義。

能動(dòng)性能力的培養(yǎng)難度遠(yuǎn)超傳統(tǒng) AI 能力，因?yàn)樗竽Ｐ途邆溟L(zhǎng)期規(guī)劃、多步推理、工具協(xié)調(diào)和自主糾錯(cuò)等高階認(rèn)知能力。當(dāng)前主流方法普遍認(rèn)為復(fù)雜的能動(dòng)性能力需要大量訓(xùn)練數(shù)據(jù)支撐，遵循傳統(tǒng)的規(guī)模化定律。這導(dǎo)致了資源密集型的訓(xùn)練流程：收集數(shù)萬(wàn)甚至數(shù)十萬(wàn)個(gè)訓(xùn)練樣本，消耗大量計(jì)算資源，但效果往往不盡如人意。

LIMI 的研究結(jié)果表明，僅使用 78 個(gè)復(fù)雜多輪交互軌跡樣本，模型就能在能動(dòng)性基準(zhǔn)測(cè)試 AgencyBench 上達(dá)到開(kāi)源模型的最佳表現(xiàn)，還超越了 GPT-5 的性能。相比使用 10,000 個(gè)樣本訓(xùn)練的模型，LIMI 實(shí)現(xiàn)了 53.7% 的性能提升，數(shù)據(jù)使用量卻僅為其 1/128。

視頻鏈接：https://mp.weixin.qq.com/s/cDlxo_4vz3do4PNUfImyMw

如圖展示了一個(gè)模型從頭開(kāi)發(fā)的完整可運(yùn)行的五子棋游戲，這種端到端的自主執(zhí)行能力正是未來(lái) AI 系統(tǒng)的核心價(jià)值所在，證明了其在實(shí)際工作場(chǎng)景中的巨大應(yīng)用潛力。

LIMI 的發(fā)現(xiàn)挑戰(zhàn)了 "數(shù)據(jù)規(guī)模決定能力上限" 的傳統(tǒng)認(rèn)知，提出了能動(dòng)性效率原則：模型能動(dòng)性的發(fā)展更依賴于對(duì)能動(dòng)性本質(zhì)的理解和高質(zhì)量數(shù)據(jù)的精準(zhǔn)構(gòu)造，而非簡(jiǎn)單的數(shù)據(jù)堆疊。這一發(fā)現(xiàn)為大規(guī)模部署具備真正工作能力的 AI 系統(tǒng)開(kāi)辟了可行路徑，表明理解能動(dòng)性的核心機(jī)制比盲目擴(kuò)大數(shù)據(jù)規(guī)模更為重要。

• 論文標(biāo)題：LIMI: Less is More for Agency
• 論文地址：https://arxiv.org/pdf/2509.17567
• 代碼地址：https://github.com/GAIR-NLP/LIMI
• 數(shù)據(jù)集地址：https://huggingface.co/datasets/GAIR/LIMI
• 模型地址：https://huggingface.co/GAIR/LIMI
• AgencyBench：https://agencybench.opensii.ai/
• SII CLI：https://www.opensii.ai/cli/

從被動(dòng)響應(yīng)到主動(dòng)工作：能動(dòng)性能力時(shí)代的到來(lái)

能動(dòng)性大語(yǔ)言模型（Agentic LLMs）的出現(xiàn)，那些能夠推理、行動(dòng)并自主交互的系統(tǒng)，代表著從被動(dòng) AI 助手向具備主動(dòng)能力模型的范式轉(zhuǎn)變。研究團(tuán)隊(duì)將能動(dòng)性定義為 AI 系統(tǒng)作為自主代理運(yùn)作的新興能力：主動(dòng)發(fā)現(xiàn)問(wèn)題、制定假設(shè)，并通過(guò)與環(huán)境和工具的自主交互執(zhí)行解決方案。

這一根本能力標(biāo)志著 "AI 能動(dòng)性時(shí)代" 的到來(lái)，其驅(qū)動(dòng)力來(lái)自一個(gè)關(guān)鍵的行業(yè)轉(zhuǎn)變：迫切需要不僅會(huì)思考，更會(huì)工作的 AI 模型。雖然當(dāng)前 AI 在推理和生成響應(yīng)方面表現(xiàn)出色，但產(chǎn)業(yè)界需要能夠執(zhí)行任務(wù)、操作工具并推動(dòng)現(xiàn)實(shí)世界成果的能動(dòng)性模型。

然而，能動(dòng)性模型的訓(xùn)練面臨著關(guān)鍵挑戰(zhàn)。當(dāng)前方法普遍假設(shè)更多數(shù)據(jù)能讓模型產(chǎn)生更強(qiáng)的能動(dòng)性能力，遵循語(yǔ)言建模的傳統(tǒng)擴(kuò)展定律（scaling laws）。這種范式導(dǎo)致了日益復(fù)雜的訓(xùn)練流程和大量資源需求，但一個(gè)根本假設(shè)仍未得到檢驗(yàn)：模型的能動(dòng)性能力是否真的需要接觸大量訓(xùn)練數(shù)據(jù)，還是可以通過(guò)戰(zhàn)略性方法更高效地涌現(xiàn)？

相鄰領(lǐng)域的新興證據(jù)暗示了一個(gè)令人信服的替代范式。LIMA 僅用 1,000 個(gè)精心策劃的樣本就實(shí)現(xiàn)了有效的模型對(duì)齊，而 LIMO 證明復(fù)雜數(shù)學(xué)推理能力能夠從僅 817 個(gè)戰(zhàn)略性選擇的訓(xùn)練樣本中涌現(xiàn)。這些發(fā)現(xiàn)表明，戰(zhàn)略性數(shù)據(jù)構(gòu)造可能在培養(yǎng)復(fù)雜 AI 能力方面比數(shù)據(jù)集規(guī)模根本上更強(qiáng)大。

研究團(tuán)隊(duì)的 LIMI 給出了答案：模型的能動(dòng)性能力遵循著與傳統(tǒng)擴(kuò)展方法根本不同的發(fā)展原則。通過(guò)戰(zhàn)略性聚焦協(xié)作軟件開(kāi)發(fā)和科學(xué)研究工作流程，這些領(lǐng)域涵蓋了大多數(shù)知識(shí)工作場(chǎng)景，研究表明復(fù)雜的能動(dòng)性能力可以從少量但精心構(gòu)造的高質(zhì)量數(shù)據(jù)中涌現(xiàn)。

如圖 1 所示，LIMI 僅用 78 個(gè)訓(xùn)練樣本就讓模型在 AgencyBench 上達(dá)到 73.5% 的性能，不僅超越了所有基線模型，更令人震撼的是，相比使用 10,000 個(gè)樣本訓(xùn)練的模型實(shí)現(xiàn)了 53.7% 的性能提升，用 128 倍更少的數(shù)據(jù)讓模型獲得了卓越的能動(dòng)性能力，徹底顛覆了 "更多數(shù)據(jù) = 更強(qiáng)能動(dòng)性" 的傳統(tǒng)認(rèn)知。

核心領(lǐng)域聚焦：協(xié)作編程與科學(xué)研究工作流

為了驗(yàn)證 LIMI 提出的戰(zhàn)略性數(shù)據(jù)構(gòu)造方法，該研究聚焦于兩個(gè)需要完整能動(dòng)性能力譜系并涵蓋大多數(shù)知識(shí)工作場(chǎng)景的基本領(lǐng)域。

協(xié)作編程代表 LLMs 與人類開(kāi)發(fā)者在上下文豐富環(huán)境中協(xié)作的軟件開(kāi)發(fā)模式。這個(gè)領(lǐng)域需要：跨現(xiàn)有代碼庫(kù)的代碼理解和生成，通過(guò)復(fù)雜工具生態(tài)系統(tǒng)的開(kāi)發(fā)環(huán)境導(dǎo)航，通過(guò)調(diào)試和優(yōu)化循環(huán)的迭代問(wèn)題解決，以及技術(shù)協(xié)調(diào)的協(xié)作溝通。復(fù)雜性在于對(duì)開(kāi)發(fā)上下文的整體理解和在不斷變化需求下的原則性決策制定。

科學(xué)研究工作流程涵蓋復(fù)雜科學(xué)研究過(guò)程，包括文獻(xiàn)搜索、數(shù)據(jù)分析、實(shí)驗(yàn)設(shè)計(jì)和洞察生成。這些工作流程需要：對(duì)多樣化信息來(lái)源進(jìn)行綜合，采用適當(dāng)方法論的實(shí)驗(yàn)設(shè)計(jì)，復(fù)雜結(jié)果的數(shù)據(jù)分析和解釋，以及跨不同利益相關(guān)者格式的知識(shí)溝通。

這些任務(wù)展現(xiàn)出顯著的時(shí)間復(fù)雜性，表現(xiàn)為需要連貫狀態(tài)跟蹤和累積推理的多輪交互。它們需要戰(zhàn)略規(guī)劃能力，將復(fù)雜目標(biāo)分解為可管理的子目標(biāo)，同時(shí)基于環(huán)境反饋適應(yīng)性調(diào)整策略。工具編排能力變得至關(guān)重要，因?yàn)楝F(xiàn)實(shí)世界的能動(dòng)性任務(wù)需要模型協(xié)調(diào)調(diào)用多個(gè)不同工具來(lái)完成復(fù)雜任務(wù)。

如圖 2 所示的用戶查詢示例展現(xiàn)了單個(gè)查詢的巨大復(fù)雜性 —— 從基礎(chǔ)到專家級(jí)遞進(jìn)的五子棋開(kāi)發(fā)任務(wù)涵蓋 Web 前端開(kāi)發(fā)、數(shù)據(jù)過(guò)濾、狀態(tài)管理、規(guī)則啟發(fā)式 AI 和高級(jí)搜索算法等多個(gè)相互關(guān)聯(lián)的子任務(wù)。這種復(fù)雜性覆蓋了規(guī)劃、執(zhí)行和協(xié)作等維度，展現(xiàn)了高質(zhì)量演示中學(xué)習(xí)信號(hào)的密集性。

圖 2：用戶查詢示例，展示了單個(gè)查詢?nèi)绾卧谝?guī)劃、執(zhí)行和協(xié)作維度上包含多個(gè)相互關(guān)聯(lián)的子任務(wù)，證明了高質(zhì)量數(shù)據(jù)中學(xué)習(xí)信號(hào)的密集性。

精準(zhǔn)數(shù)據(jù)構(gòu)建：戰(zhàn)略策劃的系統(tǒng)化方法

LIMI 方法的有效性根本依賴于戰(zhàn)略性數(shù)據(jù)構(gòu)造，通過(guò)真實(shí)世界協(xié)作任務(wù)捕捉本質(zhì)的能動(dòng)性行為。該研究團(tuán)隊(duì)圍繞能動(dòng)性交互的基本要素形式化數(shù)據(jù)構(gòu)建過(guò)程，將每個(gè)完整交互定義為元組< 用戶查詢，能動(dòng)性軌跡 >，其中用戶查詢啟動(dòng)協(xié)作工作流程，軌跡捕獲完整交互序列。

如圖 3 所示，LIMI 的訓(xùn)練數(shù)據(jù)展現(xiàn)了顯著的高質(zhì)量特征：軌跡長(zhǎng)度分布廣泛，平均達(dá)到 42.4k tokens，最長(zhǎng)可達(dá) 152k tokens，遠(yuǎn)超傳統(tǒng)訓(xùn)練樣本的長(zhǎng)度。右側(cè)的領(lǐng)域覆蓋圖顯示了數(shù)據(jù)在協(xié)作編程和科學(xué)研究工作流程兩個(gè)核心領(lǐng)域的廣泛分布，涵蓋了從前端開(kāi)發(fā)、調(diào)試、工具調(diào)用到論文搜索、深度學(xué)習(xí)、實(shí)驗(yàn)工作流程等多個(gè)細(xì)分方向。

圖 3：LIMI 訓(xùn)練數(shù)據(jù)的特征。左圖：軌跡長(zhǎng)度分布顯示交互復(fù)雜性（平均 42.4k tokens）。右圖：涵蓋 vibe 編程和研究工作流的全面覆蓋。

用戶查詢池構(gòu)建：真實(shí)性與系統(tǒng)性的結(jié)合

查詢收集策略系統(tǒng)性地結(jié)合真實(shí)世界場(chǎng)景與戰(zhàn)略性覆蓋擴(kuò)展，確保生態(tài)有效性和充足的訓(xùn)練多樣性。

真實(shí)世界用戶查詢收集： LIMI 從專業(yè)開(kāi)發(fā)者和研究者在協(xié)作環(huán)境中遇到的實(shí)際場(chǎng)景收集 60 個(gè)查詢。這些查詢代表跨兩個(gè)核心領(lǐng)域的真實(shí)挑戰(zhàn)，具有自然復(fù)雜性和上下文豐富性。值得注意的是，大量研究查詢來(lái)自真實(shí)學(xué)術(shù)論文，確保收集的用戶查詢具有可信的代表性。

基于 GitHub PR 的查詢合成：為了在保持真實(shí)性的同時(shí)系統(tǒng)性擴(kuò)展查詢池，團(tuán)隊(duì)開(kāi)發(fā)了使用 GPT-5 從 GitHub Pull Requests 合成額外查詢的流水線。這種方法利用真實(shí)代碼更改的豐富上下文，采用 GPT-5 的先進(jìn)推理能力生成反映真實(shí)開(kāi)發(fā)需求的協(xié)作場(chǎng)景。

系統(tǒng)性策劃過(guò)程涉及多個(gè)質(zhì)量保證階段：

（1）選擇具有超過(guò) 10,000 GitHub stars 的高質(zhì)量代碼倉(cāng)庫(kù)，（2）確保軟件開(kāi)發(fā)領(lǐng)域的綜合覆蓋，（3）基于復(fù)雜性和實(shí)質(zhì)性進(jìn)行過(guò)濾，（4）采用四名計(jì)算機(jī)科學(xué)博士生作為專家標(biāo)注員評(píng)估合成查詢的質(zhì)量，確保語(yǔ)義對(duì)齊和上下文準(zhǔn)確性。

通過(guò)這種系統(tǒng)化方法，團(tuán)隊(duì)最終構(gòu)建了包含 78 個(gè)高質(zhì)量用戶查詢的綜合池，每個(gè)查詢都代表來(lái)自協(xié)作編程或科學(xué)研究工作流程的真實(shí)協(xié)作場(chǎng)景。

軌跡收集：捕獲最優(yōu)能動(dòng)性行為

為了生成展示最優(yōu)能動(dòng)性行為的訓(xùn)練軌跡，研究需要能夠支持真實(shí)人機(jī)協(xié)作的復(fù)雜執(zhí)行環(huán)境。這個(gè)環(huán)境必須支持復(fù)雜工具交互、維護(hù)詳細(xì)交互日志，并提供現(xiàn)實(shí)能動(dòng)性智能評(píng)估所需的操作上下文。

團(tuán)隊(duì)選擇SII CLI作為執(zhí)行環(huán)境，基于其幾個(gè)關(guān)鍵優(yōu)勢(shì)：（1）支持協(xié)作編程和研究工作流程的全面工具集成，（2）對(duì)高質(zhì)量訓(xùn)練數(shù)據(jù)收集至關(guān)重要的詳細(xì)軌跡日志能力，（3）啟用自然交互模式的靈活人機(jī)協(xié)作界面，（4）對(duì)需要協(xié)調(diào)工具使用的復(fù)雜多步任務(wù)的強(qiáng)大支持。

在 SII CLI 環(huán)境內(nèi)，四名博士生標(biāo)注員作為人類協(xié)作者，與 GPT-5 作為能動(dòng)性模型協(xié)作，在真實(shí)協(xié)作場(chǎng)景中完成 78 個(gè)用戶查詢的軌跡收集。

對(duì)于每個(gè)查詢，采用迭代收集方法，持續(xù)收集軌跡直到任務(wù)成功完成。這種持續(xù)性方法確保收集的軌跡捕獲真實(shí)人機(jī)交互模式，包括自然的來(lái)回溝通、迭代細(xì)化過(guò)程和表征有效能動(dòng)性行為的協(xié)作問(wèn)題解決策略。

正如圖 3 左側(cè)軌跡長(zhǎng)度分布所示，這種方法產(chǎn)生了內(nèi)容極其豐富、交互高度復(fù)雜的高質(zhì)量訓(xùn)練軌跡數(shù)據(jù)，平均長(zhǎng)度達(dá)到 42.4k tokens，遠(yuǎn)超常規(guī)訓(xùn)練數(shù)據(jù)的復(fù)雜度，為模型提供了密集的能動(dòng)性學(xué)習(xí)信號(hào)。

突破性實(shí)驗(yàn)結(jié)果：顛覆認(rèn)知的發(fā)現(xiàn)

實(shí)驗(yàn)設(shè)置與評(píng)估框架

為了驗(yàn)證 LIMI 假設(shè)并證明戰(zhàn)略性數(shù)據(jù)構(gòu)造方法的有效性，團(tuán)隊(duì)采用了全面的實(shí)驗(yàn)框架，跨多個(gè)評(píng)估維度將方法與強(qiáng)基線模型進(jìn)行比較。

基線模型評(píng)估：團(tuán)隊(duì)評(píng)估了多樣化的最先進(jìn)基礎(chǔ)模型，確保全面比較：GLM-4.5、GLM-4.5-Air、Qwen3-235B-A22B-Instruct、DeepSeek-V3.1、Kimi-K2-Instruct。這個(gè)選擇涵蓋了具有不同架構(gòu)設(shè)計(jì)和訓(xùn)練方法的開(kāi)源模型，支持對(duì)能動(dòng)性能力的嚴(yán)格評(píng)估。

模型訓(xùn)練與對(duì)比實(shí)驗(yàn)：為了系統(tǒng)評(píng)估策劃訓(xùn)練數(shù)據(jù)的影響，團(tuán)隊(duì)使用收集的數(shù)據(jù)對(duì) GLM-4.5 和 GLM-4.5-Air 進(jìn)行微調(diào)。所有微調(diào)實(shí)驗(yàn)使用 slime 框架進(jìn)行，確保一致的訓(xùn)練條件、超參數(shù)優(yōu)化和公平比較。

此外，為了評(píng)估數(shù)據(jù)策劃策略的質(zhì)量和有效性，團(tuán)隊(duì)通過(guò)在三個(gè)替代數(shù)據(jù)集上微調(diào) GLM-4.5 進(jìn)行比較實(shí)驗(yàn)：CC-Bench-trajectories、AFM-WebAgent-SFT-Dataset 和 AFM-CodeAgent-SFT-Dataset。這種實(shí)驗(yàn)設(shè)計(jì)支持戰(zhàn)略性策劃數(shù)據(jù)與現(xiàn)有大規(guī)模能動(dòng)性訓(xùn)練數(shù)據(jù)集的直接比較。

評(píng)估框架：評(píng)估包含兩個(gè)互補(bǔ)策略，全面驗(yàn)證 LIMI 方法的有效性：

（1）在 AgencyBench 上的主要評(píng)估，專門設(shè)計(jì)用于評(píng)估協(xié)作場(chǎng)景中的能動(dòng)性能力；（2）在涵蓋工具使用、編程和科學(xué)計(jì)算的多個(gè)基準(zhǔn)上的泛化能力評(píng)估，確保發(fā)現(xiàn)能夠泛化到核心領(lǐng)域之外。

AgencyBench 上的卓越表現(xiàn)

如表 1 所示，在 AgencyBench 基準(zhǔn)測(cè)試中，LIMI 取得了令人震撼的成績(jī)：

表 1： LIMI 系列模型在 AgencyBench 上的綜合比較。模型按評(píng)估目的分組：基線比較、泛化能力評(píng)估和數(shù)據(jù)效率驗(yàn)證。

LIMI 達(dá)到了73.5% 的平均得分，顯著超越了所有基線模型：GLM-4.5（45.1%）、Kimi-K2-Instruct（24.1%）、DeepSeek-V3.1（11.9%）和 Qwen3-235B-A22B-Instruct（27.5%）。

性能差距在首輪功能完整性（FTFC）方面特別明顯，LIMI 達(dá)到 71.7%，相比 GLM-4.5 的最佳基線性能 37.8% 實(shí)現(xiàn)了顯著的 33.9 個(gè)百分點(diǎn)改進(jìn)。類似地，LIMI 以 74.6% 的成功率展示了卓越的任務(wù)完成可靠性，大幅超越了最強(qiáng)基線模型 GLM-4.5 的 47.4%。

數(shù)據(jù)效率的極致體現(xiàn)

最震撼的發(fā)現(xiàn)是數(shù)據(jù)效率對(duì)比結(jié)果，為核心 LIMI 假設(shè)提供了令人信服的實(shí)證證據(jù)：戰(zhàn)略性數(shù)據(jù)策劃在開(kāi)發(fā)能動(dòng)性智能方面根本上比簡(jiǎn)單擴(kuò)展訓(xùn)練數(shù)據(jù)量更有效。

LIMI 使用僅 78 個(gè)精心策劃的訓(xùn)練樣本就達(dá)到了卓越性能，大幅超越了在數(shù)量級(jí)更大數(shù)據(jù)集上訓(xùn)練的模型。最引人注目的是與在 AFM-CodeAgent-SFT-Dataset 上訓(xùn)練的 GLM-4.5-Code 的比較：LIMI 的 73.5% 平均 AgencyBench 性能戲劇性地超越了大規(guī)模方法實(shí)現(xiàn)的 47.8%，盡管使用的數(shù)據(jù)集小 128 倍（78 vs. 10,000 樣本）。

關(guān)鍵數(shù)據(jù)效率對(duì)比

• LIMI (78 樣本) vs GLM-4.5-Code (10,000 樣本)：25.7 個(gè)百分點(diǎn)優(yōu)勢(shì)，數(shù)據(jù)量?jī)H 1/128
• LIMI vs GLM-4.5-Web (7,610 樣本)：23.5 個(gè)百分點(diǎn)優(yōu)勢(shì)，數(shù)據(jù)量?jī)H 1/97
• LIMI vs GLM-4.5-CC (260 樣本)：18.0 個(gè)百分點(diǎn)優(yōu)勢(shì)，數(shù)據(jù)量?jī)H 30%

這些一致的改進(jìn)證明了戰(zhàn)略性數(shù)據(jù)策劃能夠比大規(guī)模數(shù)據(jù)收集實(shí)現(xiàn)更有效的能力遷移，確立了能動(dòng)性智能開(kāi)發(fā)中 "少即是多" 范式的廣泛適用性。

跨領(lǐng)域泛化驗(yàn)證

如表 2 所示，LIMI 的優(yōu)勢(shì)擴(kuò)展到涵蓋工具使用、編程和科學(xué)計(jì)算的多樣化基準(zhǔn)測(cè)試中，證明了方法的廣泛適用性。LIMI 達(dá)到57.2% 的平均性能，超越了所有基線模型，包括 GLM-4.5（43.0%）、Kimi-K2-Instruct（37.3%）、DeepSeek-V3.1（29.7%）和 Qwen3-235B-A22B-Instruct（36.7%）。

值得注意的是，LIMI 在關(guān)鍵編程基準(zhǔn)上達(dá)到了最高性能（EvalPlus-HumanEval：92.1%，EvalPlus-MBPP：82.3%），并在工具使用任務(wù)上展示了競(jìng)爭(zhēng)性結(jié)果（TAU2-bench-airline：34.0%，TAU2-bench-retail：45.6%）。

跨多樣化評(píng)估領(lǐng)域的一致性能優(yōu)勢(shì)證明了戰(zhàn)略性數(shù)據(jù)策劃方法產(chǎn)生的廣泛模型能力改進(jìn)，確立了核心協(xié)作編程和研究工作流程之外強(qiáng)大的性能表現(xiàn)，表明 LIMI 不是簡(jiǎn)單的任務(wù)記憶，而是真正掌握了可遷移的能動(dòng)性思維模式。

表 2：泛化基準(zhǔn)測(cè)試的綜合性能比較。HE 代表 EvalPlus-HumanEval，MP 和 SP 分別代表 SciCode 的主要問(wèn)題和子問(wèn)題指標(biāo)。平均值包含了 AgencyBench 的表現(xiàn)。

能動(dòng)性效率原則

基于實(shí)驗(yàn)結(jié)果，研究建立了能動(dòng)性效率原則

模型能動(dòng)性的涌現(xiàn)并非來(lái)自簡(jiǎn)單數(shù)據(jù)的堆砌，而是來(lái)自高質(zhì)量能動(dòng)性數(shù)據(jù)的精心構(gòu)造。

這一發(fā)現(xiàn)根本重塑了開(kāi)發(fā)能動(dòng)性大模型以及 AI Agent 的方式，表明掌握能動(dòng)性需要理解其本質(zhì)，而不是簡(jiǎn)單的擴(kuò)大訓(xùn)練數(shù)據(jù)規(guī)模。

LIMI 促成了能動(dòng)性訓(xùn)練范式的根本性轉(zhuǎn)換：從 "更多簡(jiǎn)單數(shù)據(jù)→更強(qiáng)能動(dòng)性" 的舊范式，轉(zhuǎn)向 "更高質(zhì)量的能動(dòng)性數(shù)據(jù)→更強(qiáng)能動(dòng)性" 的新范式。LIMI 認(rèn)為：能動(dòng)性本質(zhì)上是 "潛伏" 于預(yù)訓(xùn)練模型中的，關(guān)鍵挑戰(zhàn)不是訓(xùn)練新能力，而是找到激活路徑。

產(chǎn)業(yè)影響與未來(lái)展望

對(duì) AI 產(chǎn)業(yè)生態(tài)的重塑

LIMI 的發(fā)現(xiàn)對(duì)整個(gè) AI 產(chǎn)業(yè)生態(tài)具有深遠(yuǎn)影響：

研發(fā)效率革命：小團(tuán)隊(duì)?wèi){借精準(zhǔn)方法可以與大公司競(jìng)爭(zhēng)，降低了能動(dòng)性技術(shù)的門檻，促進(jìn)更多創(chuàng)新性方法的涌現(xiàn)。

資源配置優(yōu)化：將投入重點(diǎn)從數(shù)據(jù)收集轉(zhuǎn)向高質(zhì)量樣本設(shè)計(jì)和生成，從 "資源競(jìng)賽" 轉(zhuǎn)向 "數(shù)據(jù)構(gòu)造方法競(jìng)賽"。

應(yīng)用落地加速：為實(shí)際能動(dòng)性系統(tǒng)的開(kāi)發(fā)提供了高效可行的路徑，在實(shí)際應(yīng)用中提供了具體的指導(dǎo)原則：專注核心場(chǎng)景、完整流程軌跡、質(zhì)量?jī)?yōu)先策略。

商業(yè)化前景與技術(shù)普惠

LIMI 方法的商業(yè)化前景廣闊：降低開(kāi)發(fā)成本，減少對(duì)大規(guī)模數(shù)據(jù)和計(jì)算資源的依賴；縮短開(kāi)發(fā)周期，通過(guò)精準(zhǔn)方法快速獲得能動(dòng)性突破；提高應(yīng)用效果，在特定領(lǐng)域達(dá)到更好的性能表現(xiàn)；普惠化應(yīng)用，讓更多中小企業(yè)能夠負(fù)擔(dān)得起能動(dòng)性技術(shù)。

未來(lái)發(fā)展方向

雖然 LIMI 目前主要驗(yàn)證了協(xié)作軟件開(kāi)發(fā)和科學(xué)研究?jī)蓚€(gè)領(lǐng)域，但其原理有望擴(kuò)展到醫(yī)療診斷能動(dòng)性、教育輔導(dǎo)能動(dòng)性、商業(yè)分析能動(dòng)性等更廣闊的認(rèn)知領(lǐng)域。

未來(lái)的能動(dòng)性系統(tǒng)將發(fā)展為多模態(tài)能動(dòng)性，融合視覺(jué)、語(yǔ)言、行動(dòng)等多種模態(tài)；自主學(xué)習(xí)能動(dòng)性，從被動(dòng)激活發(fā)展到主動(dòng)進(jìn)化；以及更完善的理論體系，建立能動(dòng)性激活的數(shù)學(xué)模型和評(píng)估框架。

結(jié)語(yǔ)：開(kāi)啟能動(dòng)性新時(shí)代

LIMI 不僅是一項(xiàng)技術(shù)突破，更是 AI 發(fā)展理念的根本性轉(zhuǎn)變。它證明了在能動(dòng)性開(kāi)發(fā)中，理解本質(zhì)比擴(kuò)大規(guī)模更重要，質(zhì)量比數(shù)量更關(guān)鍵。

78 個(gè)精心設(shè)計(jì)的樣本擊敗萬(wàn)級(jí)數(shù)據(jù)的事實(shí)，確立了能動(dòng)性發(fā)展的全新原則：模型能動(dòng)性來(lái)自精心構(gòu)造，而非數(shù)據(jù)堆砌。當(dāng)模型從思考型 AI 轉(zhuǎn)向工作型 AI 時(shí)，LIMI 為真正能動(dòng)性的可持續(xù)培養(yǎng)提供了新范式，開(kāi)啟了能動(dòng)性發(fā)展的新紀(jì)元，未來(lái)充滿無(wú)限可能。