Qwen-Planner-Agent：面向真实移动规划智能体的闭环 AI-for-AI 框架

arXiv 论文提出 Qwen-Planner-Agent，在闭环 AI-for-AI 框架下开发移动端规划智能体。框架通过共享的动作—反馈—验证契约，串联数据生产、模型训练与部署：AI for Data 构建人工把关的数据飞轮，AI for Training 结合监督冷启动与混合环境在线强化学习并提出 CARE，AI 驱动模型与 harness 协同演化，论文称其取得最佳整体性能。

此前移动规划智能体的开发多依赖人工设计和昂贵的真机交互，训练数据、模型与运行工具的迭代彼此割裂。该工作把数据生成、训练、部署与失败轨迹回收连成闭环，并用 CARE 在保留任务表现的前提下降低推理与工具调用成本，指向可扩展、可迭代的智能体研发范式。

核心机制是把数据生产、模型训练和运行时 harness 通过统一的 action-feedback-verification 契约耦合：数据飞轮根据训练反馈调整后续任务生成，训练阶段用监督冷启动加在线智能体强化学习，CARE 对奖励与优势做能力感知的重塑以节省推理和工具调用，运行时保留失败轨迹并反哺模型与 harness 的协同适配。

对做移动端智能体的团队，这意味着可把真机交互成本部分转移到数据飞轮和在线训练中，并用统一契约管理数据、模型与工具版本。研发流程需增加失败轨迹采集与验证环节，产品侧可更频繁地更新规划策略而不是重做整条流水线。

• 为移动端智能体搭建带人工审核节点的数据飞轮，按训练反馈动态补充任务和轨迹。
• 实现奖励与优势重塑模块，在不明显掉点的情况下压缩推理与工具调用开销。
• 建立模型与 harness 的联合版本管理，把结构化动作反馈和失败轨迹作为迭代输入。

• 论文摘要被截断，Qwen-Planner-Agent 的具体 benchmark、对比基线和完整指标未在证据中给出。
• CARE 的实现细节及其相对基线的成本与性能权衡幅度尚不明确。
• AI for Data 中人工把关的具体介入方式和审核成本未说明。
• 真实设备部署效果与评测是否可复现尚无独立信源验证。