AREX：面向深度研究的递归自改进智能体

AREX 是一系列面向深度研究的递归自改进智能体，结合内层证据收集与外层逐约束审计，并可根据审计结果启动针对性研究。

公开材料将其归入论文研究，来源为 HuggingFace Daily Papers 社区热门论文。研究涉及 4B 密集模型与 122B-A10B MoE 模型。

Aioga 判断，AREX 的核心关注点不是单次生成答案，而是把证据收集、约束审计和补充研究组织为递归循环，以改善深度研究过程。

材料称，两种模型在 BrowseComp、WideSearch、DeepSearchQA、HLE 等基准上显著超越同规模基线，并可与使用更多激活参数的模型竞争。 值得关注后续公开材料是否披露更完整的实验设置、逐项基准结果、审计约束设计与针对性研究机制，以便进一步核验效果和适用边界。