BAAI 发布 AREX-2：基于 Qwen3.8-27B 训练长程反思，MLE-bench Lite 达 81.8
xiaohu · x · 2026-11-10
BAAI 主导的 arXiv 预印本 AREX-2 探索把「通过反复尝试改进」作为智能体的训练目标，基于 Qwen3.8-27B 研究长程反思能力。
- 训练轨迹包含在机器学习与算法编程任务上多轮「执行—反馈—修订」的迭代，并保留早期 AREX deep-research 数据，将新的反思经验与已有任务覆盖结合。
- 报告成绩：MLE-bench Lite 81.8、FrontierCS 70.7、BrowseComp 84.0、Humanity's Last Exam 52.6。这些基准使用不同指标与 agent 协议，不能当作同一把准确率标尺或同推理成本下的横向对比。
- 这里的自我改进包括测试时交互中对解法的修订，并不意味着模型能递归自提升。
配图展示三段流程：从 GitHub 仓库/在线评测构造环境、多轮提交反馈修订形成训练数据、以及训练后模型的测试时多轮改进曲线。
「研究」频道最新
- 可解释性研究不应只盯着预测力，解释本身才是目标 — burny_tech · 2026-11-10
- 研究者讨论优化器等变性：无需正交性的新论证更有说服力 — jasondeanlee · 2026-11-10
- VIALS-AA 基准：Claude Fable 5.2 以 67% 居首，工具调用远超对手 — ArtificialAnlys · 2026-11-10
- 西弗吉尼亚大学学者分享十年脑白质束成像研究成果 — PTenigma · 2026-11-10
- 作者晒 pSTAT1 与 importin alpha 5 结合的冷冻电镜结构(11GJ) — chaitjo · 2026-11-10
- ARLoop 发布:1.2B 循环 Transformer 全基准超越 Huginn-3.5B — hhsun1 · 2026-11-10