Cognitive Kernel-Pro: Un Framework per Agenti di Ricerca Profonda e Addestramento di Modelli Fondamentali per Agenti
Cognitive Kernel-Pro: A Framework for Deep Research Agents and Agent Foundation Models Training
August 1, 2025
Autori: 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
Abstract
Gli Agenti di Intelligenza Artificiale Generale sono sempre più riconosciuti come framework fondamentali per la prossima generazione di intelligenza artificiale, abilitando ragionamenti complessi, interazioni web, codifica e capacità di ricerca autonoma. Tuttavia, gli attuali sistemi di agenti sono o chiusi o fortemente dipendenti da una varietà di API a pagamento e strumenti proprietari, limitando l'accessibilità e la riproducibilità per la comunità di ricerca. In questo lavoro, presentiamo Cognitive Kernel-Pro, un framework multi-modulo per agenti completamente open-source e (nella massima misura possibile) gratuito, progettato per democratizzare lo sviluppo e la valutazione di agenti di IA avanzati. All'interno di Cognitive Kernel-Pro, investigiamo sistematicamente la cura di dati di addestramento di alta qualità per i Modelli Fondamentali degli Agenti, concentrandoci sulla costruzione di query, traiettorie e risposte verificabili in quattro domini chiave: web, file, codice e ragionamento generale. Inoltre, esploriamo nuove strategie per la riflessione e il voto in fase di test degli agenti, al fine di migliorarne la robustezza e le prestazioni. Valutiamo Cognitive Kernel-Pro su GAIA, ottenendo risultati all'avanguardia tra gli agenti open-source e gratuiti. In particolare, il nostro modello open-source da 8 miliardi di parametri supera i precedenti sistemi leader come WebDancer e WebSailor, stabilendo un nuovo standard di prestazione per agenti di IA accessibili e ad alte capacità. Il codice è disponibile all'indirizzo 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