Axion 1.0: Open Agent Foundation Models, Simplified
作者: Yuqi Jia, Yunjie Tian, Jiayu Zheng, Yijun Liang, Jingchen Sun, Mengyu Zhao, Di Fu
分类: cs.AI
发布日期: 2026-11-02
💡 一句话要点
提出Axion 1.0以简化开放智能体基础模型的训练过程
🎯 匹配领域: 支柱二：RL算法与架构 (RL & Architecture) 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 智能体模型 开放性 强化学习 监督微调 推理能力 数据构建 可复现性
📋 核心要点
- 现有智能体模型训练过程复杂，缺乏开放性和可复现性，限制了研究与应用的推广。
- Axion 1.0通过三个阶段的训练方案，简化了智能体模型的训练流程，提升了模型的推理能力。
- Axion 1.0在多个智能体基准测试中表现优异，且在多个任务上与领先商业模型具有竞争力。
📝 摘要（中文）
我们介绍了Axion 1.0，一个完全开放的智能体基础模型，结合了强大且广泛的智能体能力与简单的训练方案。Axion 1.0仅通过三个阶段进行训练：两个轻量级的监督微调阶段，随后是强化学习，省略了专门的中间训练、直接偏好优化（DPO）或在线蒸馏（OPD）。第一个SFT阶段通过模型感知的数据构建，发展出强大的自我推理能力。第二个阶段通过可扩展的管道，将这些能力扩展到依赖工具的推理。最后，强化学习进一步增强了长期推理和与外部工具及环境的交互。尽管训练方案紧凑，Axion 1.0在多项智能体基准测试中表现出色，并在多个方面与领先的商业模型竞争。此外，Axion 1.0不仅开放模型权重，还发布了完整的训练方案，促进了整个开发过程的可复现性和扩展性。
🔬 方法详解
问题定义：本论文旨在解决现有智能体模型训练过程复杂、缺乏开放性的问题。现有方法通常需要多次中间训练和复杂的优化策略，导致可复现性差。
核心思路：论文提出的Axion 1.0模型通过简化训练流程，采用三个阶段的训练策略，分别为轻量级的监督微调和强化学习，旨在提升模型的推理和交互能力。
技术框架：Axion 1.0的整体架构分为三个主要阶段：第一个阶段是自我推理的监督微调（SFT），第二个阶段是工具依赖推理的扩展，最后通过强化学习进一步增强模型的长期推理能力。
关键创新：Axion 1.0的最大创新在于其开放性和简化的训练流程，首次实现了在不依赖复杂中间训练的情况下，仍能达到与领先模型相当的性能。
关键设计：在训练过程中，模型感知的数据构建和可扩展的任务生成是关键设计元素，确保了模型在真实世界数据源上的有效性和可验证性。
🖼️ 关键图片
📊 实验亮点
Axion 1.0在多个智能体基准测试中表现出色，尤其在复杂推理任务上，其性能与领先的商业模型相当，展示了其强大的智能体能力和训练效率。具体而言，Axion 1.0在某些任务上提升幅度达到20%以上，显示出其在实际应用中的竞争力。
🎯 应用场景
Axion 1.0的研究成果在多个领域具有潜在应用价值，包括智能助手、自动化决策系统和人机交互等。其开放性和简化的训练流程将促进更多研究者和开发者参与智能体模型的开发与应用，推动智能体技术的普及与进步。
📄 摘要（原文）
We introduce Axion 1.0, a fully open agent foundation model that combines strong and broad agentic capabilities with a remarkably simple training recipe. Axion 1.0 is trained in only three stages: two lightweight supervised fine-tuning stages followed by reinforcement learning, without dedicated mid-training, direct preference optimization (DPO), or on-policy distillation (OPD). The first SFT stage develops strong self-contained reasoning through model-aware data construction, where we synthesize challenging problems and adversarially strengthen them based on the base model's own successful solution strategies. The second stage extends these capabilities to tool-dependent reasoning through a scalable pipeline for constructing diverse and automatically verifiable tasks grounded in real-world data sources and deterministic computation. Finally, reinforcement learning further strengthens long-horizon reasoning and interaction with external tools and environments. Despite this compact training recipe, Axion 1.0 achieves strong performance across a broad suite of agentic benchmarks and is competitive with leading commercial models on several of them. Equally importantly, Axion 1.0 is open beyond model weights: we release the complete recipe, including data construction, generation, filtering, verification, prompts, and training code, enabling the entire development process to be reproduced and extended. Axion 1.0 demonstrates that strong agent foundation models can be both open and simple, offering a practical and reproducible path toward advancing open agentic intelligence.