AREX：迈向递归自我改进的深度研究智能体
评分
81提出递归自我改进稀疏奖励处理等新机制，在多个基准上显著提升，信息增量很高
方法设计严谨，实验充分，但部分细节如上下文更新工具的具体实现描述略简
开源模型和训练方法，可直接用于构建更强大的研究智能体，实用价值大
2025年最新论文，紧跟当前AI智能体与自我改进研究热点
来自arXiv预印本，作者团队知名（可能为DeepMind等），但尚未经同行评审
基础分 89.5 × T2 信源权重 ×0.9 = 81
精选线 70已入选精选
精选理由
该论文提出新颖的递归自我改进框架，在多个强基准上取得显著提升，并开源了模型和训练方法，信息增量高且实用价值大。
AI 点评
「这篇论文展示了如何通过递归自我改进突破深度研究的瓶颈，对构建能自主完成复杂调研任务的AI智能体开发者尤为重要。它提出的上下文压缩工具解决了长程交互的核心难题，而开放模型和训练数据的做法将加速该领域进展。」
速览
AREX是一种递归自我改进的深度研究智能体框架，通过交替进行内部研究循环和外部自我改进循环来逐步优化答案。内部循环收集证据并构建初步答案，外部循环按约束逐项审计，识别未解决的声明并启动针对性研究。AREX学习了一个自主上下文更新工具，将增长的历史交互压缩为紧凑的改进状态，无需外部模型。在4B和122B-A10B混合专家模型上训练，在BrowseComp、WideSearch、DeepSearchQA、人类最后考试等基准上显著优于同规模基线，与更大模型竞争。
- AREX提出递归自我改进（RSI）范式，通过内外双循环迭代优化答案
- 学习自主上下文更新工具，压缩历史交互为紧凑改进状态，消除外部模型依赖
- 在多个深度研究和推理基准上超越同规模基线，与更大激活参数模型竞争
- 支持从4B到122B-A10B混合专家模型的规模扩展
正文
本文为 AI 生成的中文精读,原文请点「查看原文」
相关条目
精选DeepSeek V4 在 OpenRouter 上的代币份额翻倍，智能体工作负载成主要驱动力
DeepSeek V4 的快速采用表明市场对高性能、低成本推理模型的强烈偏好，尤其是智能体场景将重塑 AI 部署格局。
91
精选启用两项设置使ARC-AGI-3基准测试分数提升三倍
这项发现太关键了！它表明模型的性能不仅取决于训练，还取决于推理时的配置。对于AI工程师和研究者来说，这是一个必须注意的优化方向。特别是那些在资源受限设备上部署模型的团队，可能会因此找到低成本提升能力的方法。
91
精选GPT-5.6：前沿智能与前沿效率的融合
这条消息值得关注，因为它标志着大模型竞争从单纯拼参数转向拼效率。对于AI开发者和企业决策者来说，GPT-5.6意味着可以用更少预算获得更高性能，尤其适合那些被推理成本挡在门外的长上下文或Agent场景。OpenAI这一步，可能重新定义‘前沿’的标准。
91
精选LFM2.5-Encoder：面向CPU快速长上下文推理的新模型
这篇博文让我眼前一亮，因为它直接解决了大模型在CPU上跑长上下文的痛点。对于没有高端GPU的团队或个人开发者，LFM2.5-Encoder系列提供了可立即使用的开源方案。尤其推荐给做RAG、文档搜索或代码分析的朋友——现在用普通服务器就能处理百万级token的文档了。
91
精选GPT-Red：OpenAI通过自我对弈实现AI红队自动化，提升模型鲁棒性
GPT-Red 是红队测试从人工到自动化的里程碑，特别适合安全工程师和对齐研究者关注。它直接降低了测试成本，但也引发了对“自动攻击”本身的伦理讨论——值得所有关注AI治理的人深入思考。
91
精选OpenAI推出GPT-5.5生物漏洞赏金计划
这个计划值得关注，因为它首次将AI漏洞赏金制度拓展到生物安全领域，不仅为安全社区提供了新的研究方向，也为AI风险治理提供了实际演练场。对模型安全研究者、生物安全专家以及关心AI双重用途的从业者尤其重要。
91
精选vLLM推出原生速度Transformers建模后端，大幅提升推理性能
这项更新对于AI工程团队非常关键：无需格式转换意味着能更快地迭代模型，而2-5倍的速度提升直接降低GPU成本。如果你正在做LLM在线服务或者批量推理，这几乎是必读的技术更新。
90
精选Google DeepMind 发布手语转文本模型 SL2T，助力聋人用户
这则消息的意义不仅在于技术突破，更在于AI开始真正关注边缘群体的需求。对开发者而言，SL2T的架构思路和技术路径值得深入研究；对无障碍倡导者来说，这是推动行业标准的重要案例。