从被动响应到主动工作：能动性能力时代的到来
能动性大语言模型（Agentic LLMs）的出现，那些能够推理、行动并自主交互的系统，代表着从被动 AI 助手向具备主动能力模型的范式转变。研究团队将能动性定义为 AI 系统作为自主代理运作的新兴能力：主动发现问题、制定假设，并通过与环境和工具的自主交互执行解决方案。
这一根本能力标志着 "AI 能动性时代" 的到来，其驱动力来自一个关键的行业转变：迫切需要不仅会思考，更会工作的 AI 模型。虽然当前 AI 在推理和生成响应方面表现出色，但产业界需要能够执行任务、操作工具并推动现实世界成果的能动性模型。
然而，能动性模型的训练面临着关键挑战。当前方法普遍假设更多数据能让模型产生更强的能动性能力，遵循语言建模的传统扩展定律（scaling laws）。
这种范式导致了日益复杂的训练流程和大量资源需求，但一个根本假设仍未得到检验：
模型的能动性能力是否真的需要接触大量训练数据，还是可以通过战略性方法更高效地涌现？
相邻领域的新兴证据暗示了一个令人信服的替代范式。LIMA 仅用 1,000 个精心策划的样本就实现了有效的模型对齐，而 LIMO 证明复杂数学推理能力能够从仅 817 个战略性选择的训练样本中涌现。这些发现表明，战略性数据构造可能在培养复杂 AI 能力方面比数据集规模根本上更强大。
研究团队的 LIMI 给出了答案：
模型的能动性能力遵循着与传统扩展方法根本不同的发展原则。
通过战略性聚焦协作软件开发和科学研究工作流程，这些领域涵盖了大多数知识工作场景，研究表明复杂的能动性能力可以从少量但精心构造的高质量数据中涌现。
如图 1 所示，LIMI 仅用 78 个训练样本就让模型在 AgencyBench 上达到 73.5% 的性能，不仅超越了所有基线模型，更令人震撼的是，相比使用 10,000 个样本训练的模型实现了 53.7% 的性能提升，用128倍更少的数据让模型获得了卓越的能动性能力，彻底颠覆了 "更多数据 = 更强能动性" 的传统认知。
能动性效率原则
基于实验结果，研究建立了能动性效率原则：
模型能动性的涌现并非来自简单数据的堆砌，而是来自高质量能动性数据的精心构造。
这一发现根本重塑了开发能动性大模型以及 AI Agent 的方式，表明掌握能动性需要理解其本质，而不是简单的扩大训练数据规模。
LIMI 促成了能动性训练范式的根本性转换：从 "更多简单数据→更强能动性" 的旧范式，转向 "更高质量的能动性数据→更强能动性" 的新范式。
LIMI 认为：
能动性本质上是 "潜伏" 于预训练模型中的，关键挑战不是训练新能力，而是找到激活路径。
产业影响与未来展望
对 AI 产业生态的重塑
LIMI 的发现对整个 AI 产业生态具有深远影响：
研发效率革命：小团队凭借精准方法可以与大公司竞争，降低了能动性技术的门槛，促进更多创新性方法的涌现。
资源配置优化：将投入重点从数据收集转向高质量样本设计和生成，从 "资源竞赛" 转向 "数据构造方法竞赛"。
应用落地加速：为实际能动性系统的开发提供了高效可行的路径，在实际应用中提供了具体的指导原则：专注核心场景、完整流程轨迹、质量优先策略。
商业化前景与技术普惠
LIMI 方法的商业化前景广阔：降低开发成本，减少对大规模数据和计算资源的依赖；缩短开发周期，通过精准方法快速获得能动性突破；提高应用效果，在特定领域达到更好的性能表现；普惠化应用，让更多中小企业能够负担得起能动性技术。
未来发展方向
虽然 LIMI 目前主要验证了协作软件开发和科学研究两个领域，但其原理有望扩展到医疗诊断能动性、教育辅导能动性、商业分析能动性等更广阔的认知领域。
未来的能动性系统将发展为多模态能动性，融合视觉、语言、行动等多种模态；自主学习能动性，从被动激活发展到主动进化；以及更完善的理论体系，建立能动性激活的数学模型和评估框架。
结语：开启能动性新时代
LIMI 不仅是一项技术突破，更是 AI 发展理念的根本性转变。它证明了在能动性开发中，理解本质比扩大规模更重要，质量比数量更关键。
78 个精心设计的样本击败万级数据的事实，
确立了能动性发展的全新原则：
模型能动性来自精心构造，而非数据堆砌。
当模型从思考型 AI 转向工作型 AI 时，LIMI 为真正能动性的可持续培养提供了新范式，开启了能动性发展的新纪元，未来充满无限可能。
来源详情：
创智&交大发现AI能动性新规律, 78样本胜GPT5实现软件+科研自动化
本文来自于上海创智学院和上海交大刘鹏飞老师团队，团队专注于构建最前沿 AI 系统。核心作者来自于香港理工大学，上海交通大学，以及中国科学技术大学。
空间因“您”而变！
联系『变芯®空间』
合作沟通：请加 zr18620222480
合伙人招募：1638079312（微Q同号）
供应链接：请发至1638079312@qq.com