AREX-2：通过长时程反思任务推进自我改进智能体
摘要：我们提出 AREX-2，旨在推进 LLM 智能体的自我改进能力，我们将其定义为在测试时迭代优化解决方案的能力。这一能力依赖于两种互补的能力：反思，即产生比当前解决方案更好的方案；以及长时程执行，即在多轮迭代中保持改进的有效性。我们假设这两种能力都与领域无关，因此可以在适合监督的场景中学习。据此，我们从机器学习和算法编程任务中合成了长时程改进轨迹，这两个领域都提供可验证的反馈并奖励持续迭代。在此数据上训练后，我们基于 Qwen3.8-27B 构建的智能体在 MLE-bench Lite（81.8）和 Frontier-CS（70.7）上取得了强劲结果，并迁移至深度研究任务，在 BrowseComp 上达到 84.0，在 HLE 上达到 52.6，在 GAIA 上达到 92.2，在 DeepSearchQA 上达到 93.8，且随着轮次预算的增加持续改进。这些结果表明，长时程反思数据是通向自我改进智能体的有效路径。