清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合发布并开源 AgentCPM-Report，一个本地化、私有化、拥有 SOTA 性能的深度调研智能体。

AgentCPM-Report 核心亮点

• 极致效能，以小博大：通过平均 40 轮的深度检索与近 100 轮的思维链推演，实现对信息的全方位挖掘与重组，让端侧模型也能产出逻辑严密、洞察深刻的万字长文，在深度调研任务上以 8B 参数规模达成与顶级闭源系统的性能对标。

• 物理隔绝，本地安全：专为高隐私场景设计，支持完全离线的本地化敏捷部署，彻底杜绝云端泄密风险。基于 UltraRAG 框架，它能高效挂载并理解您的本地私有知识库，让核心机密数据在“不出域”的前提下，安全地转化为极具价值的专业决策报告。

据介绍，AgentCPM-Report 之所以能以 8B 参数媲美闭源系统源于两大技术创新：

创新一：“写作即推理”模式，让思考更贴近人脑

传统方案试图让模型“一口气”生成完整大纲或内容，容易造成产出报告的逻辑崩塌，对于小模型来说是更是难上加难。AgentCPM-Report 创新性地采用了“边写作，边规划”的迭代精炼框架打破这一局限：

• 两阶段循环：系统在 “起草” 与 “深化” 两个状态间不断交替。就像人类专家一样，写完一段草稿后，会立即停下来反思：“有没有需要补充的地方？侧重点应该是怎样的？”，然后回头扩展章节、补充检索、填充新内容。

• 渐进式优化：将宏大的万字长文任务，拆解为一系列可执行的微小目标。模型在每一轮循环中只需解决当下的局部问题，从而在较小的参数规模条件下产出逻辑严密、细节丰富的长篇报告。

创新二：“多阶段智能体学习”，全方位能力提升

01 四大核心能力拆解

将完整报告协作拆解为四个核心能力模块，并针对性地进行强化训练：

🔍 智能检索能力：以“召回率”为核心优化指标，确保检索内容高度相关，为写作奠定坚实基础；

📝 流畅写作能力：建立多维度质量评估体系，从内容深度到表达清晰度全面把关；

🗺️ 科学规划能力：对生成大纲进行结构化评估，确保报告逻辑严谨、层次分明；

🎯 精准决策能力：采用“轨迹剪枝”技术，构造高质量数据，解决“何时停止深化”的关键决策问题。

02 三阶段训练法：从入门到精通

• 有监督微调：高质量范文引导，掌握写作基本范式；

• 原子能力强化：针对每项核心原子能力进行专项提升；

• 全流程优化： 端到端全链路强化学习，以最终报告质量为唯一目标，打通所有能力关节。

AgentCPM-Report 开源地址

• 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
• 魔乐社区：https://modelers.cn/models/OpenBMB/AgentCPM-Report