AREX-2：通过长期反思任务推进自我改进Agent

我们提出 AREX-2，旨在提高 LLM Agent的自我改进能力，我们将其定义为在测试时迭代完善解决方案的能力。这种能力依赖于两种互补的能力：反射，它产生比当前解决方案更好的解决方案；以及长期执行，它使迭代在多轮中保持有效。我们假设这两种功能都是与领域无关的，因此可以在非常适合监督的场景中学习。因此，我们从机器学习和算法编程任务中综合了长期改进轨迹，这两个领域提供了可验证的反馈并奖励持续迭代。根据这些数据进行训练，我们的Agent基于 Qwen3.8-27B 构建，在 MLE-bench Lite (81.8) 和 Frontier-CS (70.7) 上取得了优异的成绩，并转向深度研究，在 BrowseComp 上获得 84.0、在 HLE 上获得 52.6、在 GAIA 上获得 92.2、在 DeepSearchQA 上获得 93.8，并且随着轮次预算的增长而不断提高。这些结果表明，长期反思性数据是实现自我改进的有效途径。