WARUM DAS WICHTIG IST
Für Research-Agenten macht die Arbeit einen konkreten Ansatz sichtbar, mit dem verifizierte Evidenz und offene Claims über lange Arbeitsverläufe erhalten bleiben können.
AI THOR · VISUELLE EINORDNUNG
Vom Forschungsproblem zur praktischen Bedeutung
Aus der vorliegenden Paper-Analyse abgeleitet
Ausgangslage
AREX verbindet rekursive Selbstverbesserung, Teilverifikation und Kontextkompression für lange Deep-Research-Aufgaben.
Methode
Rekursive Selbstverbesserung mit Entdeckungs- und Verifikationsschleife
Befund
Rekursive Selbstverbesserung verifiziert und verfeinert Teilergebnisse gezielt.
Anwendung
Verifizierte Evidenz und offene Claims im Agentenzustand getrennt führen.
Grenze
Die Verifikation ist auf synthetische Aufgaben und Agenten-Trainingsdaten begrenzt.
DIE ANALYSE IM DETAIL
Was das Paper Kapitel für Kapitel zeigt.
Die folgenden Abschnitte verdichten die vollständige Paper-Analyse auf Deutsch, ohne die zentralen Argumentationsschritte auszulassen.
Beijing Academy of Artificial Intelligence (BAAI)
Das Kapitel definiert die Problemstellung des Deep Research, das komplexe Antworten mit mehreren Nebenbedingungen sucht. Es erläutert das Prinzip der Asymmetrie zwischen kostspieliger Suche und leichterer validierbarer Prüfung und stellt AREX als RSI-Agentenfamilie vor, die innere und äußere Schleifen nutzt, um Antworten zu verfeinern. Zudem wird der autonome Kontext-Update-Mechanismus erläutert, der die Interaktionshistorie effizient zusammenfasst.
BrowseComp
Diese Sektion präsentiert Vergleichsergebnisse auf dem BrowseComp-Benchmark, bei dem AREX diverse Baseline-Modelle klar übertrifft (etwa eine Verbesserung von über 5 Prozentpunkten im Score), was die Leistungsfähigkeit des rekursiven Selbstverbesserungsansatzes bei multimodalen Reasoning-Aufgaben belegt.
AREX-Base
Hier werden die Ergebnisse der AREX-Basisvariante gezeigt, die mit circa 82.5 bis 85.4 Punkten eine solide Basisleistung demonstriert und dabei deutlich über anderen Modellen wie GLM-5 und Qwen-35B liegt. Dies verdeutlicht die Effektivität von AREX selbst in kleineren Konfigurationen.
GLM-5
Diese kurze Sektion zeigt Benchmark-Ergebnisse des GLM-5 Modells mit 75.9 Punkten, was im Vergleich zu AREX-Modellen geringere Leistungen bedeutet und den Fortschritt durch das rekursive Selbstverbesserungsprinzip illustriert.
AREX-Turbo
Die Turbo-Version von AREX mit 70.7 Punkten wird hier zusammen mit konkurrierenden Ansätzen wie Miro-1.7-mini verglichen, wobei AREX eine robuste Leistung auch in schnelleren Varianten bietet, was auf die Skalierbarkeit des Ansatzes hindeutet.
Quest-35B und Qwen-35B
Diese Abschnitte zeigen als Vergleich weitere starke Baseline-Modelle mit 64.6 bzw. 61.0 Punkten, wodurch die Überlegenheit der AREX-Architektur mit ihren innovativen Selbstverbesserungs- und Kontextmodellierungsmechanismen besonders hervorgehoben wird.
Tongyi-DR und Miro-H1
Diese letzten Vergleichswerte (43.4 bzw. 88.5 Punkten) unterstreichen die große Varianz in den Benchmark-Leistungen, wobei besonders der Miro-H1 mit hoher Punktzahl konkurriert, während AREX in der Gesamtbewertung auf den meisten Benchmarks führend bleibt.
ABSTRACT IM ORIGINAL LESEN
Deep research requires agents to find answers that jointly satisfy multiple constraints. Discovering such answers is costly, whereas verifying a candidate can often be decomposed into tractable constraint-wise checks. This discovery--verification asymmetry suggests that a research agent should do more than simply search longer: it should recursively improve its current answer by verifying intermediate results and using the partially verified state to guide subsequent refinement. We introduce AREX, a family of Recursively Self-Improving (RSI) deep research agents. AREX alternates between an inner research loop that gathers evidence and constructs a provisional answer, and an outer self-improvement loop that audits the answer constraint-wise, identifies unresolved claims, and launches targeted follow-up research. To sustain RSI over long horizons, AREX learns an autonomous context-update tool that compresses growing interaction history into a compact improvement state preserving verified evidence and unresolved constraints, without relying on an external model. We train AREX on verified synthetic tasks and high-quality trajectories through agentic mid-training and long-horizon reinforcement learning. To mitigate sparse final rewards during long horizon learning, we emphasize key steps where decisive evidence is acquired or erroneous research directions are corrected. We instantiate a dense 4B model and a 122B-A10B Mixture-of-Experts model. Across BrowseComp, WideSearch, DeepSearchQA, Humanity's Last Exam (HLE), and other reasoning and tool-use benchmarks, AREX substantially outperforms comparable-scale baselines and remains competitive with models using substantially more activated parameters.
DIE KERNPUNKTE
- 01
Rekursive Selbstverbesserung verifiziert und verfeinert Teilergebnisse gezielt.
- 02
Der autonome Kontextkompressor bewahrt verifizierte Evidenz und ungelöste Claims über lange Forschungshorizonte.
- 03
AREX übertrifft laut Analyse vergleichbare Modelle auf komplexen Reasoning- und Tool-Use-Benchmarks.
- 04
Die Arbeit beschreibt sowohl ein 4B-Basismodell als auch eine 122B-MoE-Variante.
VORGEHEN
- — Rekursive Selbstverbesserung mit Entdeckungs- und Verifikationsschleife
- — Autonomer modellunabhängiger Kontext-Update-Mechanismus
- — Agentic Midtraining und Reinforcement Learning
- — Skalierbare Mixture-of-Experts-Architektur
PRAKTISCHE ANKNÜPFUNGSPUNKTE
- — Verifizierte Evidenz und offene Claims im Agentenzustand getrennt führen.
- — Teilresultate vor der nächsten Rechercheiteration explizit prüfen.
- — Kontextkompression als kontrollierten Übergabeschritt in langen Research-Workflows einsetzen.
- — Das kleinere Basismodell zuerst für ressourcenschonende Prototypen evaluieren.