LIMI ：少即是多，78个样本如何训练出高效AI智能体

由上海交通大学、上海创智学院、香港理工大学、中国科学技术大学与GAIR联合开展的一项研究，最近提出了一个名为 LIMI 的新方法——全称为 Less is More for Intelligent Agency，即“智能体能力的关键在于精简而非海量数据”。

• GitHub：https://github.com/GAIR-NLP/LIMI
• 模型：https://huggingface.co/GAIR/LIMI

这项研究挑战了当前主流AI训练中“数据越多越好”的默认假设，提出：真正的机器自主性，并不来自数据规模的堆砌，而是源于对高质量行为样本的战略性筛选与学习。

这一发现，正在重新定义我们构建“能做事”的AI系统的方式。

从“会说”到“会做”：AI需要的是行动力

近年来，大模型在语言理解与生成方面取得了显著进展。但多数模型仍停留在“思考型AI”阶段——它们擅长回答问题、撰写文本，却难以独立完成复杂任务。

而现实应用更需要的是“工作型AI”：能够主动发现问题、制定计划、调用工具并执行操作的智能代理（Agent）。

LIMI的目标正是推动AI从“被动响应”走向“主动作为”。它关注的核心能力包括：

• 自主识别问题
• 多步推理与规划
• 工具调用与协调
• 环境交互与反馈调整
• 协作沟通与任务闭环

这些能力构成了所谓“智能体性”（Agency），也是未来AI能否真正融入生产流程的关键。

LIMI的核心思想：质量胜过数量

LIMI最引人注目的突破，在于其极高的数据效率。

研究人员仅使用 78个高质量训练样本，就在多个任务上实现了远超现有大型模型的表现。相比之下，许多同类系统依赖数千甚至上万条数据进行训练。

这背后的理念很明确：

培养智能体的能力，不应靠盲目扩大数据集，而应聚焦于获取那些真正体现“完整任务执行过程”的优质行为轨迹。

为此，LIMI建立了三个关键技术环节：

1. 用户查询合成：让训练场景更真实

传统方法常依赖人工编写或模拟任务指令，容易脱离实际。LIMI则通过两种方式获取真实用户需求：

• 分析人类与AI协作的真实对话记录
• 利用GitHub上的拉取请求（Pull Request）信息，自动提取开发任务描述

这些来源于实际工作流的查询，确保了训练任务的真实性与挑战性。

2. 系统化轨迹收集：记录完整的“行动链条”

LIMI不仅关注最终结果，更重视AI解决问题的全过程。每一条训练样本都包含：

• 模型的推理步骤
• 工具调用序列（如代码编辑器、数据库接口等）
• 环境反馈（如运行错误、执行结果）
• 最终任务完成状态

这种端到端的行为轨迹，为模型提供了可模仿的“专家示范”。

3. 数据效率原则：以少胜多的训练策略

基于上述高质量轨迹，LIMI采用了一种“小而精”的训练范式：

• 不追求数据总量，而是精心策划每个样本的内容
• 覆盖多样化的任务类型与失败恢复场景
• 强调跨工具协同与动态调整能力

这种方法使得模型能够在极小的数据规模下，掌握复杂的任务执行逻辑。

实验结果：用1/128的数据，实现53.7%的性能提升

在标准评测平台 AgencyBench 上，LIMI的表现令人瞩目：

这意味着，LIMI在任务成功率上大幅领先当前主流模型。

更关键的是，在数据效率方面的对比：

• LIMI 使用：78个训练样本
• 对比模型使用：10,000个样本

尽管数据量仅为后者的 0.78%（约1/128），LIMI仍实现了 53.7%的相对性能提升。

此外，在泛化能力测试中，LIMI在多个未见任务上的平均表现为 57.2%，优于所有基线模型，显示出良好的迁移潜力。

应用前景：让AI真正进入工作流

LIMI的设计面向真实应用场景。例如：

• 软件开发：AI可主动检测代码缺陷，提出修复方案，并通过集成开发环境直接提交修改。
• 科研辅助：AI能设计实验流程、分析实验数据、撰写初步报告，协助研究人员加速探索。
• 运维自动化：面对系统异常，AI可定位问题根源、执行修复命令、验证修复效果，形成闭环处理。

这些不再是“如果我能……”的设想，而是LIMI所展示出的可行路径。

不是不要数据，而是要更有价值的数据

LIMI的意义，不只是一个高性能模型的诞生，更是对当前AI研发范式的反思。

我们过去习惯于用更大的数据、更强的算力去逼近智能。但LIMI证明：

当我们真正理解“什么是有效的智能行为”，并据此构造高质量训练样本时，可以用极少的资源，培育出更具行动力的AI。

这不仅是效率的胜利，也是一种更可持续的发展方向。