BAAI AREX-2:用长程反思数据训练自我改进智能体,GAIA 达 92.2
BAAI · hf · 2026-10-01
BAAI 发布 AREX-2,瞄准 LLM 智能体的测试时自我改进能力,拆解为反思(产出比当前更好的解)与长程执行(多轮迭代不失效)两种能力,并假设二者与领域无关、可在反馈可验证的领域习得。
- 从机器学习与算法编程任务合成长程改进轨迹,训练基于 Qwen3.8-27B 的智能体
- MLE-bench Lite 81.8,Frontier-CS 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性能持续提升,证明长程反思数据是通往自我改进智能体的有效路线
所属事件:智源开源 AREX-2：27B 长程自我改进智能体(5 条相关)→
「编程与Agent」频道最新
- Blender MCP 项目 34.5k 星：自然语言指挥 AI 在 Blender 里建模 — sidahuj · 2026-11-15
- 18 个 Agent 深夜自驱干活:开发者感叹「我成了瓶颈」 — AIOSAI · 2026-11-15
- IBM 工程师谈可信 AI 评测：校准 LLM 评审，别只看最终答案 — TejasKumar_ · 2026-11-15
- Antigravity 浏览器 Agent 群实测：把人像自动画进 Google Sheets — Saboo_Shubham_ · 2026-11-15
- CrommaCode 发布：为观看 Claude Code 干活而生的游戏化终端 — huangyun_122 · 2026-11-15
- 博主用 MCP server 接 Ollama 驱动 Final Cut Pro,5 分钟粗剪 30 分钟视频 — Technovangelist · 2026-11-15