AREX-2：长程反思任务提升自改进智能体

2026年10月1日，arXiv cs.AI 刊出 AREX-2，该工作通过从机器学习与算法编程任务中合成长期改进轨迹，提升 LLM 智能体在测试时迭代优化答案的能力，智能体基于 Qwen3.8-27B 构建。报道称，AREX-2 在 MLE-bench Lite 与 Frontier-CS 上分别取得 81.8 和 70.7，并可迁移至深度研究任务，在 BrowseComp、HLE、GAIA、DeepSearchQA 上分别为 84.0、52.6、92.2 和 93.8。同日稍晚，AGI Hunt 报道称 AREX-2 由 BAAI 发布，并给出方法定位上的补充：该工作瞄准 LLM 智能体的测试时自我改进能力，将其拆解为反思与长程执行两种能力，并假设这两种能力与领域无关、可在反馈可验证的领域习得。早先的 arXiv 报道未提及发布机构，后续报道称发布方为 BAAI；两篇报道在 MLE-bench Lite、Frontier-CS 及四项深度研究任务的分值上一致。此前该事件以“长程反思任务提升自改进智能体”为线索持续跟踪，本次为新论文、机构归属与具体评测结果的公开。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。