AREX-2以长程反思训练27B模型
AREX研究小组发布AREX-2，该模型以Qwen3.8-27B为基座，并使用面向机器学习与算法编程任务的长程反思数据训练。团队报告其MLE-bench Lite、Frontier-CS、BrowseComp和HLE成绩分别为81.8、70.7、84.0和52.6，并称相关训练有助于能力迁移至深度研究与科学问题求解。报告将长程反思视为实现递归自我改进的一种可训练、可验证路径；这是研究团队的解释，并非该能力已获证明。
AREX-2提供开放权重、论文以及基于反思与反馈的训练方法。其报告结果展示了一个面向27B模型的实践案例，即通过专门训练，让模型利用反馈、修改方案并在多轮迭代中持续改进。
机器之心 2026-10-27 12:03 北京
AI自我改进有了训练路径。
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。
#AREX#AREX-2#Qwen3.8-27B#BAAI#University of Science and Technology of China#Renmin University of China#GPT-5.6 Sol#Kimi-K3#Frontis-MA1-35B#Kimi-K2.6#DeepSeek-V4-Pro