AREX 遞迴自改進研究代理登場：BAAI 以 4B 與 122B-A10B MoE 攻深查基準

arXiv 論文提出 AREX，以內外雙循環做遞迴自改進（逐約束驗證再回頭補證），並開源 4B 密集與 122B-A10B MoE 兩個模型，在 BrowseComp、HLE 等深查基準上顯著超越同規模基線。

把「搜更久」換成「先驗證再補證」

深度研究的本質，是要找到一個能同時滿足多重約束的答案。論文作者群（含 BAAI、人民大學等機構的研究者）觀察到一個不對稱性：發現答案很貴，但驗證一個候選答案往往可拆成逐條約束的檢查，相對便宜。AREX 據此把方向從「拉長搜尋時間」轉向「遞迴自改進」（Recursively Self-Improving, RSI）：內層循環收集證據、產生初步答案，外層循環逐條約束審計這個答案，挑出未解的宣稱，再啟動針對性的後續研究。

為了在長跨度任務中維持這套循環不退化，AREX 學習了一個自主上下文更新工具，把不斷膨脹的互動歷史壓縮成精簡的「改進狀態」，保留已驗證證據與未解約束，且不依賴外部大模型來做摘要。

4B 與 122B-A10B MoE 實例化並開源

訓練面，AREX 採用 agentic mid-training 與長跨度強化學習，並在合成的已驗證任務與高品質軌跡上訓練；為緩解長跨度下最終獎勵稀疏的問題，特別強調那些取得決定性證據或修正錯誤研究方向的關鍵步驟。團隊實例化兩個模型：4B 密集模型，以及 122B-A10B（總參 122B、每 token 激活約 10B）的 Mixture-of-Experts 模型，權重已在 HuggingFace 的 BAAI/arex collection 公開。

基準成績與對決策者的意義

在 BrowseComp、WideSearch、DeepSearchQA、Humanity’s Last Exam（HLE）以及多項推理與工具使用基準上，AREX 顯著優於可比規模的基線模型，並與使用明顯更多激活參數的模型保持競爭力。論文標題為《AREX: Towards a Recursively Self-Improving Agent for Deep Research》，已於 2026 年 7 月 23 日上傳 arXiv（編號 2607.21461）。

對AI 決策者而言，重點不在分數本身，而是「逐約束驗證 → 針對性補強」的迴圈設計，可作為評估自建檢索代理與企業研究助手時的工程藍圖；10B 量級激活的 MoE 在推理成本與品質間提供了明確的落點，是評比深查型代理時值得列入的基準。若把這套設計放到治理與採購語境，可對照〈北京智能體政策如何定義 Harness Engineering〉；若系統進入十億級檢索規模，〈Helmsman 的全快閃向量架構〉則提供另一層基礎設施成本參照。