Palmyra x6 技术报告：通过锚定监督微调后训练的智能体工具使用模型

Palmyra x6 是一个针对企业级智能体任务优化的大型语言模型。它通过对一个 Mixture-of-Experts 基础模型进行后训练得到，使用了锚定监督微调方法，训练数据为 626 条经过验证的合成工具使用轨迹，仅训练一个 epoch，采用低学习率和 KL 锚定技术。该模型在 Writer Agent 任务上较旧模型有显著提升，并在公开基准测试中表现优异，如 BFCL Core 得分 0.785，六项基准平均分领先。

Palmyra x6 在少量高质量数据（626 条轨迹）和保守训练配置下，超越了一些近期模型，表明数据质量和锚定训练方法可大幅提升智能体模型的工具使用能力，为高效后训练提供了新范式。

该方法通过锚定监督微调，在紧凑的合成轨迹上训练，并用 KL 散度锚定到冻结的基础模型，避免偏离原有分布。使用 Muon + Adam 混合优化器，在低学习率和单 epoch 下防止过拟合，从而在保持模型稳定性的同时提升工具调用准确性。

对于开发智能体相关产品，采用此方法可减少训练数据需求和计算成本，同时提升工具使用能力。企业级应用如 Writer Agent 可直接受益，或需评估模型与现有系统的集成，以及在下游任务中的泛化能力。

• 在企业内部 AI 助手产品中集成 Palmyra x6，以增强工具调用和任务自动化的准确性。
• 借鉴其锚定监督微调方法，优化现有模型的工具使用性能，减少训练数据并降低成本。
• 将 Palmyra x6 用于需要高准确率工具调用的场景，如代码执行、API 调用，以提升产品竞争力。
• 评估并利用其低训练成本优势，快速迭代特定领域的智能体模型。

• Palmyra x6 模型的具体参数规模和实际部署成本未知。
• 其在真实企业场景中的鲁棒性和安全性是否优于其他模型有待验证。
• 锚定监督微调方法在更多基础模型上的通用性尚未明确。