首页 最新动态 27B小模型反超1.6T巨兽!智源AREX-2长程反思撬动RSI新路径
▥ 文章标题沉浸布局

27B小模型反超1.6T巨兽!智源AREX-2长程反思撬动RSI新路径

2026-10-28 最新动态 热门阅读内容
27B小模型反超1.6T巨兽!智源AREX-2长程反思撬动RSI新路径

机器之心发布 当模型学会持续迭代改进算法,便推开了通往智能自主进化的大门。近日,由来自智源研究院、中国科技大学、中国人民大学等多个机构的研究人员组成的 AREX 研究小组发布 AREX-2 模型。该模型以轻量级的 Qwen3.8-27B 为基座,基于围绕机器学习与算法编程场景构建的长程反思数据训练而成,不仅在 MLE-bench Lite、Frontier-CS 上展现出领先的机器学习与算法编程能力,更将这种能力迁移至深度研究与科学问题求解,在 BrowseComp、HLE 等重要基准上刷新了开源轻量模型的最佳表现。这些结果表明,长程反思训练有望帮助模型习得跨领域的自我改进能力,让更多测试时投入持续转化为更好的结果,为 RSI 提供一条可训练、可验证的实现路径。 九月的前三周,GPT-6 Astra、Fable 5.1 等旗舰模型接连登场。当人们还在惊叹于 Claude 用 11 天、1300 万行代码完成费马大定理的首个形式化证明时,仅仅四天后,OpenAI 就宣布,其模型可能解决了另一道数学难题 —— 千禧年大奖难题之一的 Navier–Stokes 方程问题。新模型不断涌现,一次次刷新人们对智能边界的想象,也让一个问题愈发引人关注:模型能否持续改进自身,从而走得更远? 递归自我改进(Recursive Self-Improvement,简称 RSI)由此成为研究者、创业者和投资人共同关注的方向。但热议之下,一个基本问题仍有待回答:究竟什么是 RSI,又该如何培养和衡量这种能力? AREX 团队给出了一个具体的切入点:在单次任务中,让智能体在测试时通过持续反思与迭代,不断改进自身的解题方案。从这一视角看,RSI 并不神秘,而是一种新的测试时扩展(test-time scaling)范式 —— 让更多轮次的投入,持续转化为更好的结果。 这一能力的核心,在于反思与长程。前者决定每一轮改进的质量,后者决定改进能够持续多久。二者如同复利中的收益率与时间,共同影响最终的回报。而培养这种能力的关键,是让模型从训练数据中学会 “如何持续改进”。 AREX 团队进一步提出:长程反思是一种可以跨领域迁移的元能力。如果能找到合适的训练场,模型便有望将在一个领域习得的改进方法,运用到其他领域。为此,团队选择了机器学习与算法编程两个场景:它们既有丰富的任务素材,也能提供清晰、可验证的环境反馈,为智能体在多轮迭代中持续提升表现创造了条件。 以上述场景为训练场,团队基于 Qwen3.8-27B 开发了 AREX-2。实验中,AREX-2 展现出突出的测试时扩展能力:在 MLE-bench 和 Frontier-CS 上分别取得 81.8 和 70.7 的成绩,大幅刷新开源轻量模型的最佳表现;在 BrowseComp 和 HLE 上也分别达到 84.0 和 52.6,较上一代 AREX 显著提升。 这些结果表明,长程反思训练有望帮助模型学得跨领域的自我改进能力,让更多测试时投入持续转化为更好的结果,为 RSI 提供一条可训练、可验证的实现路径。 论文链接:https://arxiv.org/abs/2609.38288 项目主页:https://github.com/VectorSpaceLab/AREX-2 模型权重:https://huggingface.co/collections/BAAI/arex-2 网址链接:https://arex-research.com/ AREX 团队 RSI 是一种新的测试时扩展范式 什么是 RSI,又该如何培养和衡量模型的这种能力? AREX 团队给出了一个具体的切入点:在单次任务中,让智能体在测试时通过持续反思与迭代,不断改进自身的解题方案。从这一视角看,RSI 并不神秘,而是一种新的测试时扩展(test-time scaling)范式 —— 让更多轮次的投入,持续转化为更好的结果。 这一能力的核心在于点:用问题来驱动,反思与长程。 反思能力,决定每一轮改进的质量:智能体能否依据反馈,提出比当前方案更好的方案?反思的价值不在于写出一段 “自我评价”,而在于将发现的问题转化为真正有效的修改。 长程能力,决定改进能够持续多久:智能体能否在多轮执行中持续推进,让改进过程不因一次失败、一次回退,或反复尝试无效方向而过早停滞?长程的重点不是运行时间本身,而是能够积累多少轮有效改进。 反思和长程能力如同复利中的收益率与时间,共同影响最终的回报。而培养这种能力的关键,是让模型从训练数据中学会 “如何持续改进”。遗憾的是,能够完整展现这一过程的数据,恰恰是现有语料中最稀缺的部分。 机器学习与算法编程 天然的长程反思能力训练场 AREX 团队提出:长程反思是一种可以跨领域迁移的元能力。如果能找到合适的训练场,模型便有望将在一个

about image
上一篇 [流言板]路威:勇士巅峰已过,库里追梦科尔的故事正走向尾声...
下一篇 相声演员苗阜发文,表示自己时刻准备着,配图一张背影惹人深思...
◧ 内容提炼卡片布局

本文重点速览

如果你希望在最短时间内理解这篇内容,可以优先查看以下结构化摘要。

核心观点

围绕文章主旨提炼最关键的判断,让读者迅速把握内容方向与价值重点。

逻辑路径

帮助读者理解文章从背景、变化到结论的展开过程,而不只是看到孤立信息。

延展思考

提供进一步理解该主题的观察角度,方便继续跳转到更多相关内容。

▦ 三列延展阅读布局

你可能还想看

基于当前主题,推荐更多可以形成连续阅读体验的内容,让阅读不在这里中断。

萨巴蒂尼:不想评论斯帕莱蒂20年执教经历,指出问题并无不妥

萨巴蒂尼:不想评论斯帕莱蒂20年执教经历,指出问题并无不妥

桑德罗-萨巴蒂尼与里卡多-特雷维萨尼在《Pressing》节目中就卢西亚诺-斯帕莱蒂的执教能力以及尤文图斯的表现发生争论。 特雷维萨尼首先指出,尤文图斯的进攻排名仅列第十三位。他表示:“我要说一点:尤文的进攻线排名第十三。斯帕莱蒂执教生涯中,什么时候带过进攻排名第十三的球队?从来没有。我们可以批评斯帕莱蒂任何方面,但唯独不能说他是防守型教练。” 他随后将矛头指向尤文图斯的引援工作,认为俱乐部过去两

送走班顿之后,山东选外援,认准这两条就够了

送走班顿之后,山东选外援,认准这两条就够了

联赛间歇期,山东男篮为班顿办理注册注销,这段短暂的 CBA 征程就此画上句号。曾经被不少球迷期待的潜力后场,没能和球队磨合成功。一次失败的引援,也给球队留下了值得参考的经验。接下来挑选小外援,方向其实已经比较清晰。 我们先来回顾班顿短暂的CBA生涯:他一共代表山东出战六场常规赛,场均登场16.7分钟,交出7.8分2.2篮板3.3助攻的数据,同时有2.5次失误;投篮命中率仅32.1%,三分命中率更是

[流言板]RMC:巴黎前锋阿克利乌什突然受伤,预计缺席联赛+法国集训

[流言板]RMC:巴黎前锋阿克利乌什突然受伤,预计缺席联赛+法国集训

社区 » 国际足球 » 国际足球资讯 » [流言板]RMC:巴... 虎扑足球资讯(446级)楼主2026-11-06 19:29:31发布于上海 [流言板]RMC:巴黎前锋阿克利乌什突然受伤,预计缺席联赛+法国集训由虎扑足球资讯 发表在国际足球资讯 https://bbs.hupu.com/482 虎扑11月06日讯 法语电台蒙特卡洛电台首席记者Fabrice Hawkins的突发报道,马格内斯

曼联4-4平维拉陷降级区,多古和莱西社媒呼吁球队团结

曼联4-4平维拉陷降级区,多古和莱西社媒呼吁球队团结

《曼彻斯特晚报》报道,曼联召开卡里克解约会议,多古和谢伊-莱西则在社交媒体发文鼓励球队。曼联在老特拉福德4-4战平阿斯顿维拉后,目前处于英超降级区。 在主教练卡里克承受压力之际,曼联双星多古和谢伊-莱西均强调球队需要团结。赛季开局表现糟糕,曼联将在国际比赛日期间继续位列英超降级区。 赛后,多古在Instagram上写道:“我们始终团结一心。很高兴能重返赛场,一切荣耀归于上帝。” 同样在下半场替补登

[流言板]老哈达威看衰湖人争冠:不认为他们能赢掘金、雷霆、森林狼

[流言板]老哈达威看衰湖人争冠:不认为他们能赢掘金、雷霆、森林狼

社区 » NBA » 篮球资讯 » [流言板]老哈达威看... [流言板]老哈达威看衰湖人争冠:不认为他们能赢掘金、雷霆、森林狼 267回复/ 50亮65742 浏览 虎扑篮球资讯(1280级)楼主2026-11-13 08:56:47发布于上海 [流言板]老哈达威看衰湖人争冠:不认为他们能赢掘金、雷霆、森林狼由虎扑篮球资讯 发表在篮球资讯 https://bbs.hupu.com/502 虎扑1

丢的太轻松了...国足开场2分钟落后,镜头给到眉头紧锁的邵佳一

丢的太轻松了...国足开场2分钟落后,镜头给到眉头紧锁的邵佳一

首页 NBA视频 旧版页面 录像页面 足球视频 旧版页面 录像页面 NBA资讯 滚动资讯 足球资讯 滚动资讯 电竞 电竞资讯 电竞视频 综合 综合资讯 综合视频 比分 数据 NBA资料库 资料 个人 下载客户端 新版 直播首页 > 足球资讯 >丢的太轻松了...国足开场2分钟落后,镜头给到眉头紧锁的邵佳一 丢的太轻松了...国足开场2分钟落后,镜头给到眉头紧锁的邵佳一 直播吧11月17日讯 国足开

◫ 深读问答折叠布局

关于本文主题的常见问题

将阅读过程中的典型问题提炼为 FAQ,有助于读者在理解正文之外进一步建立完整认知。

这篇文章最值得先读哪一部分?

建议优先阅读导语、核心段落与总结部分,这些内容通常承担主旨表达、结论归纳和重点提示的功能。

本文适合哪些读者继续深读?

如果你希望获得比“快讯”更完整的背景、逻辑与延展判断,那么这类正文内容会更适合你的阅读目标。

哪里可以看到更多相关文章?

可继续查看页面下方推荐阅读、右侧相关文章与栏目列表页,这些入口能帮助你持续扩展主题理解。

正文在移动端是否方便阅读?

方便。字体间距、段落层级、图片比例与按钮交互都针对移动端做过适配,长文阅读节奏更平稳。