Cognitive Kernel-Pro: Ein Framework für tiefe Forschungsagenten und die Ausbildung von Agenten-Grundmodellen

Allgemeine KI-Agenten werden zunehmend als grundlegende Architekturen für die nächste Generation künstlicher Intelligenz erkannt, da sie komplexe Schlussfolgerungen, Interaktionen im Web, Programmierung sowie autonome Forschungsfähigkeiten ermöglichen. Derzeitige Agentensysteme sind entweder proprietär oder stark von einer Vielzahl kostenpflichtiger APIs und proprietärer Tools abhängig, was deren Zugänglichkeit und Reproduzierbarkeit für die Forschungsgemeinschaft erheblich einschränkt. In dieser Arbeit präsentieren wir \textbf{Cognitive Kernel-Pro}, einen vollständig quelloffenen und (soweit möglich) kostenlosen mehrmodularen Agenten-Framework, der die Entwicklung und Evaluation fortschrittlicher KI-Agenten demokratisieren soll. Innerhalb von Cognitive Kernel-Pro untersuchen wir systematisch die Erstellung hochwertiger Trainingsdaten für Agenten-Grundmodelle, wobei wir uns auf die Konstruktion von Anfragen, Handlungsverläufen und überprüfbaren Antworten in vier zentralen Domänen konzentrieren: Web, Dateien, Code und allgemeine Schlussfolgerung. Darüber hinaus erforschen wir neuartige Strategien zur Reflexion und Abstimmung während der Testphase, um die Robustheit und Leistungsfähigkeit der Agenten zu verbessern. Wir evaluieren Cognitive Kernel-Pro auf der GAIA-Benchmark-Plattform und erreichen dabei führende Ergebnisse unter allen quelloffenen und kostenlosen Agentensystemen. Besonders hervorzuheben ist, dass unser 8-Billionen-Parameter-Modell, das öffentlich verfügbar ist, frühere Spitzenlösungen wie WebDancer und WebSailor übertreffen kann und damit einen neuen Standard für zugängliche, hochleistungsfähige KI-Agenten setzt. Der Quellcode ist unter dieser https-URL verfügbar.