AREX：深い研究を自分で検証・改良する AI エージェント、4B と 122B MoE で実装

要約

Hugging Face の研究チームは、AREX という再帰的自己改良 (RSI) エージェントファミリーを発表した。深い研究では複数の制約を同時に満たす答えを見つけることが難しい一方で、候補を検証することは個別の制約チェックに分解できるという非対称性に着目した。AREX は内側のループで証拠を集めて仮の答えを構築し、外側のループでその答えを制約ごとに監査して未解決の主張を特定し、標的化した追加研究を実行する。長期間の RSI を維持するため、相互作用履歴を検証済み証拠と未解決制約を保存した圧縮状態に変換する自律的なコンテキスト更新ツールを学習させた。エージェント中間学習と長期 RL により 4B 版と 122B-A10B Mixture-of-Experts 版を訓練した。