BAAI 的 AREX 用递归验证改进深度研究答案
BAAI · hf · 2026-07-24
核心思路
AREX 提出一种“递归自我改进”的深度研究智能体：先在内层循环里搜集证据、形成临时答案，再在外层循环里按约束逐项审计，找出未解决的主张并定向继续检索。
主要创新
- 提出一个自主的上下文更新工具，把不断增长的交互历史压缩成紧凑的“改进状态”，同时保留已验证证据和未决约束，而且不依赖外部模型。
- 训练方式结合了验证过的合成任务、高质量轨迹、agentic mid-training 和长程强化学习。
- 为缓解长程任务里的稀疏终局奖励，训练时特别强调“拿到决定性证据”或“纠正错误研究方向”的关键步骤。
结果
- 实现了一个4B 稠密模型和一个122B-A10B MoE 模型。
- 在 BrowseComp、WideSearch、DeepSearchQA、Humanity's Last Exam (HLE) 等推理与工具使用基准上表现突出。
- 论文称，AREX 在同规模基线之上有明显提升，并且能接近那些激活参数更多的模型。
所属事件:BAAI 推出 AREX 双循环自改进研究智能体(2 条相关)→
「研究」频道最新
- 「氛围验证」研究：近 60% 的形式化证明证明的不是作者本意 — basedjensen · 2026-10-26
- 浏览器助手 Ito 读懂浏览意图，自动把标签页编排成 Flows — andrewkuznet · 2026-10-26
- 康奈尔研究称大脑按线性序列处理语言,挑战乔姆斯基层级语法;印度语言成反例讨论点 — anirbanbandyo · 2026-10-26
- Hi3D V1.0 开源发布：训练资产翻四倍，切片成功率 90% — kimmonismus · 2026-10-26
- Ortet 首次健康评测：34 个开源模型跑 50 项任务，综合排名不够用 — elmanmansimov · 2026-10-26
- HackBench 发布：向 Agent 轨迹注入作弊，压力测试监控器 — DanielKhashabi · 2026-10-26