AREX-2：长程反思任务推动自改进智能体
原文标题：AREX-2: Advancing Self-Improving Agents through Long-Horizon Reflective Tasks
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文提出AREX-2，通过从机器学习与算法编程任务合成长期改进轨迹，训练LLM智能体在测试时迭代优化解。基于Qwen3.8-27B的智能体在MLE-bench Lite取得81.8、Frontier-CS取得70.7，并迁移到深度研究任务，在BrowseComp、HLE、GAIA、DeepSearchQA上均有表现。结果表明长程反思数据是通向自改进智能体的有效路径。
- 问题
- LLM智能体缺乏在测试时多轮迭代改进解的自改进能力。
- 方法
- 从机器学习与算法编程任务合成长期改进轨迹训练智能体，把反思与长程执行当作可迁移能力。
- 结果
- Qwen3.8-27B基础上MLE-bench Lite 81.8、Frontier-CS 70.7；迁移到BrowseComp 84.0、HLE 52.6、GAIA 92.2、DeepSearchQA 93.8。
- 影响
- 长程反思数据可跨域迁移，为构建能自我迭代的智能体提供可复制的训练路径。
深读 · 结论先行AI 生成展开看要点与影响 ↓
AREX-2用长程反思数据训练，MLE-bench Lite达81.8并迁移到深度研究。
- •从机器学习与算法编程任务合成长期改进轨迹，两域均有可验证反馈
- •智能体基于Qwen3.8-27B，在MLE-bench Lite取得81.8、Frontier-CS取得70.7
- •迁移到深度研究：BrowseComp 84.0、HLE 52.6、GAIA 92.2、DeepSearchQA 93.8
- •随迭代轮数预算增加，表现持续提升
- •作者主张反思与长程执行是领域无关能力，可在易监督场景中学得
为什么重要：为「测试时迭代自我改进」提供了一条可复制的数据合成路径，且能力可跨域迁移。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。