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。

克尼佩尔谈NBA真实生活:有球员只睡两小时就要继续打背靠背

克尼佩尔谈NBA真实生活:有球员只睡两小时就要继续打背靠背

直播吧10月23日讯 近日,黄蜂球员克尼佩尔做客《The Young Man and The Three》播客节目,谈到了进入NBA一年之后,对联盟产生的新认识。 克尼佩尔表示:“就像任何其他行业或者工作场所一样,总有一些你希望能够改善的地方,也会有一些你不想做却必须去做的事情。” “小时候你会觉得,NBA简直就是最完美的存在。但真正进入联盟之后,你会发现总有一些事情需要解决,也总有一些球员希望争

谷歌暴跌背后的逻辑:AI烧穿了现金流,烧没了回购,还烧着了搜索

谷歌暴跌背后的逻辑:AI烧穿了现金流,烧没了回购,还烧着了搜索

谷歌周四遭遇有史以来最惨烈的单日重挫,股价暴跌超11%,市值蒸发约5000亿美元,盘中出现"死亡交叉"——即50日移动均线跌破200日移动均线,同时波及更广泛的科技股板块,纳指随之承压下行。 Alphabet最新财报击中了市场最敏感的神经:AI投入继续吞噬现金流,股票回购归零,核心搜索业务的定价能力也开始承压。根据彭博一致预期,谷歌搜索、YouTube、订阅以及Google Services均低于

主客表现:布兰主场起伏,莫尔德客场火力强劲

主客表现:布兰主场起伏,莫尔德客场火力强劲

北京时间11月1日21点30分,挪超将迎来布兰与莫尔德的较量。 【布兰的主场表现】 布兰近期主场5场取得3胜2负,先后击败林肯红魔、博德闪耀和塞萨洛尼基,但也以0比2负于维京、1比2负于利勒斯特罗姆。期间布兰打进8球、失8球,进攻有亮点,但连续两场失利显示主场表现并不稳定。 【莫尔德的客场表现】 莫尔德近期客场5场取得4胜1平,战绩明显强于布兰。球队曾以5比0击败特里格拉德、5比1击败汉坎、4比3

NBA再无全胜队!灰熊加时惜败鹈鹕吞首败 杰罗姆40+5+5丢绝杀

NBA再无全胜队!灰熊加时惜败鹈鹕吞首败 杰罗姆40+5+5丢绝杀

北京时间11月3日,NBA常规赛灰熊主场对阵鹈鹕,灰熊在最多落后10分情况下,持续顽强反扑追分拖进加时赛。双方在加时赛依然是紧咬比分缠斗,杰罗姆最后时刻错失绝杀,最终灰熊加时134-135输给鹈鹕结束开局6连胜,灰熊吞首败后联盟再无不败球队,鹈鹕收获3连胜。 数据统计 灰熊:杰罗姆40分5板5助2断、布泽尔18分9板5助2帽、韦尔斯16分3板3助、斯图尔特14分5板2助2帽、斯潘塞13分7助、格兰

卡里克坚信曼联能扭转局面:距离打出好状态只差一步

卡里克坚信曼联能扭转局面:距离打出好状态只差一步

北京时间11月4日凌晨,2026-27赛季欧冠联赛阶段第四轮,曼联主场迎战罗马,此前红魔已经遭遇各赛事九场不胜。在赛前的新闻发布会,曼联主帅卡里克表示,尽管面临巨大压力,但他并未考虑自己的未来。 在上一轮英超0-2切尔西的比赛中,曼联在上半场踢出了本赛季最佳表现之一,差一点就取得了领先。但是,下半场,风云突变,罗杰斯一条龙破门,随后利桑德罗-马丁内斯在5分钟内连吃两黄被罚下,还送给对手一粒点球,最

华泰证券:中国股市的估值已经具备非常明显的吸引力

华泰证券:中国股市的估值已经具备非常明显的吸引力

11月20日,A股较日韩市场韧性突出。对此,华泰证券表示,放在大类资产角度看,从股债对比等角度看,中国股市的估值已经具备非常明显的吸引力。同时,美元流动性面临收缩,但中国货币政策保持适度宽松,流动性比较充裕,利率亦处于较低水平,决定了估值有支撑。 “A股近日的跌幅明显低于其他市场。一方面,得益于中国经济正处于转型的关键时期,新经济占比日益提升,企业竞争力强、经济结构好转是最大的韧性。”华泰证券进一

◫ 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。