AREX 以雙迴圈驗證驅動深度研究，開放 4B 與 122B-A10B 代理模型

北京智源人工智慧研究院公開 AREX 深度研究代理家族，重點不是單純增加搜尋次數或上下文長度，而是把研究拆成相互交替的內外兩層迴圈。內層代理使用 `search`、`visit` 等工具蒐集資料、整合證據並產生暫定答案；外層則逐項檢查原始問題的限制，依信心與缺漏決定接受答案、針對特定主張繼續查證，或捨棄資訊不足的軌跡重新開始。

為避免長流程把上下文塞滿，模型還會自行呼叫 `update_context`，將已驗證發現、來源識別碼、被排除的候選答案、未解限制與後續計畫壓縮成新的工作狀態。這和固定長度摘要不同：哪些內容應保留也是代理學習的動作。訓練流程結合代理式中期訓練與長時程強化學習，並提高取得關鍵證據、修正錯誤研究方向等步驟的獎勵權重，以緩解只在最終答案給分造成的稀疏回饋。

AREX-Turbo 是以 Qwen3.5-4B 為基礎的稠密模型；AREX-Base 則採 Qwen3.5-122B-A10B MoE，每個 token 約啟用 10B 參數，兩者均標示 256K 上下文。作者在 BrowseComp、GAIA、DeepSearchQA、WideSearch、HLE 等六類測試報告優於多個相近規模基線，並已公開 BF16 權重、提示與快速啟動程式。工程團隊仍應保守解讀「遞迴自我改進」：這裡改善的是單次研究軌跡與壓縮狀態，不是模型在部署後修改自身權重。公開倉庫目前歷史很短，搜尋後端、工具可靠性、推論成本以及基準是否使用相同預算，也都需要獨立重現。