AREX-2:27B 智能体以长时程反思任务自我改进,MLE-bench Lite 达 81.8

RT @HuggingPapers:AREX-2:通过长时程反思任务推进自我改进智能体

一个 27B 智能体,能把更多测试时轮次转化为更好的解,在可验证的 ML 和算法任务上训练。在 MLE-bench Lite 上达到 81.8,在 Frontier-CS 上达到 70.7,并可迁移到深度研究。