# AREX: Towards a Recursively Self-Improving Agent for Deep Research
- 来源：huggingface · https://huggingface.co/papers/2607.21461
- 作者：Shuqi Lu, Chaofan Li, Kun Luo, Zhang Zhang, Hui Wang, Hongwang Xiao, Zheng Liu, Lei Xiong, Jiahao Wang, Sen Wang, Xiyan Jiang, Wanli Li, Yuyang Hu, Hongjin Qian, Bingyu Yan, Ziyi Xia, Yingxia Shao, Kang Liu, Zhicheng Dou, Di He, Chaozhuo Li, Qiwei Ye, Zhongyuan Wang, Zheng Liu

> 递归自我改进的深度研究Agent，通过验证驱动迭代搜索。

## 概要

AREX提出了一个递归自我改进（RSI）框架，用于深度研究任务。其核心思路是利用“发现-验证”不对称性：验证候选答案比直接发现更易分解为约束检查。AREX包含内循环（收集证据、构建临时答案）和外循环（逐约束审计、定位未解决项并启动定向研究）。它学习了一个自适应的上下文更新工具，将交互历史压缩为改进状态，无需外部模型。通过agentic中训练和长程强化学习，模型在BrowseComp、DeepSearchQA、HLE等基准上显著超越同规模基线，并与使用更多激活参数的模型竞争。关键创新在于对关键步骤（决定性证据或错误纠正）进行奖励强化，缓解长程学习中的稀疏奖励问题。

## 对我的影响

1. **直接用于导购Agent**：AREX的递归自我改进机制可以迁移到导购场景——用户需求往往包含多个约束（价格、品牌、功能），通过验证当前推荐是否满足各约束来迭代优化推荐结果。可借鉴其‘上下文更新工具’思想，压缩对话历史为结构化状态，减少长程对话中的信息丢失。\n2. **技术选型启示**：AREX证明开源模型（4B/122B MoE）通过针对性训练可逼近闭源大模型性能，强化了在导购Agent中优先采用可定制、可本地部署的MoE模型的判断。接下来应深入论文细节，重点关注其对‘关键步骤奖励’的实现方式及context update tool的具体设计，考虑在项目中试点类似机制。\n3. **情报平台改进**：AREX的RSI框架可被用于自动化论文分析：先初筛论文，再逐约束验证（如‘是否提出新方法’、‘是否有开源代码’、‘与我项目的相关性’），然后针对低分项做定向细读。这能显著提升情报整理效率，接下来可以基于当前平台实现一个简化版原型。

---
*导出自 前沿论文情报台*