Cognitive Kernel-Pro: Ein Framework für Deep Research Agents und das Training von Agent Foundation Models
Cognitive Kernel-Pro: A Framework for Deep Research Agents and Agent Foundation Models Training
August 1, 2025
papers.authors: Tianqing Fang, Zhisong Zhang, Xiaoyang Wang, Rui Wang, Can Qin, Yuxuan Wan, Jun-Yu Ma, Ce Zhang, Jiaqi Chen, Xiyun Li, Hongming Zhang, Haitao Mi, Dong Yu
cs.AI
papers.abstract
Allgemeine KI-Agenten werden zunehmend als grundlegende Rahmenwerke für die nächste Generation der künstlichen Intelligenz anerkannt, die komplexes Denken, Web-Interaktionen, Programmierung und autonome Forschungsfähigkeiten ermöglichen. Aktuelle Agentensysteme sind jedoch entweder Closed-Source oder stark auf eine Vielzahl kostenpflichtiger APIs und proprietärer Tools angewiesen, was die Zugänglichkeit und Reproduzierbarkeit für die Forschungsgemeinschaft einschränkt. In dieser Arbeit präsentieren wir Cognitive Kernel-Pro, ein vollständig Open-Source und (in größtmöglichem Umfang) kostenloses Multi-Modul-Agenten-Framework, das die Entwicklung und Evaluierung fortschrittlicher KI-Agenten demokratisieren soll. Innerhalb von Cognitive Kernel-Pro untersuchen wir systematisch die Kuratierung hochwertiger Trainingsdaten für Agent Foundation Models, wobei wir uns auf die Konstruktion von Abfragen, Trajektorien und verifizierbaren Antworten in vier Schlüsselbereichen konzentrieren: Web, Dateien, Code und allgemeines Denken. Darüber hinaus erforschen wir neuartige Strategien für die Reflexion und Abstimmung von Agenten zur Laufzeit, um die Robustheit und Leistung der Agenten zu verbessern. Wir evaluieren Cognitive Kernel-Pro auf GAIA und erzielen dabei state-of-the-art Ergebnisse unter Open-Source- und kostenlosen Agenten. Bemerkenswerterweise übertrifft unser Open-Source-Modell mit 8B Parametern bisher führende Systeme wie WebDancer und WebSailor und setzt damit einen neuen Leistungsstandard für zugängliche, hochleistungsfähige KI-Agenten. Der Code ist verfügbar unter https://github.com/Tencent/CognitiveKernel-Pro.
English
General AI Agents are increasingly recognized as foundational frameworks for
the next generation of artificial intelligence, enabling complex reasoning, web
interaction, coding, and autonomous research capabilities. However, current
agent systems are either closed-source or heavily reliant on a variety of paid
APIs and proprietary tools, limiting accessibility and reproducibility for the
research community. In this work, we present Cognitive Kernel-Pro, a
fully open-source and (to the maximum extent) free multi-module agent framework
designed to democratize the development and evaluation of advanced AI agents.
Within Cognitive Kernel-Pro, we systematically investigate the curation of
high-quality training data for Agent Foundation Models, focusing on the
construction of queries, trajectories, and verifiable answers across four key
domains: web, file, code, and general reasoning. Furthermore, we explore novel
strategies for agent test-time reflection and voting to enhance agent
robustness and performance. We evaluate Cognitive Kernel-Pro on GAIA, achieving
state-of-the-art results among open-source and free agents. Notably, our
8B-parameter open-source model surpasses previous leading systems such as
WebDancer and WebSailor, establishing a new performance standard for
accessible, high-capability AI agents. Code is available at
https://github.com/Tencent/CognitiveKernel-Pro