Le filThèmes : AgentsRechercheÉvaluations
AREX-2, un agent fondé sur Qwen3.8-27B, apprend à s’améliorer par itération sur de longues tâches
1 sourcemis à jour il y a 6 jpertinence 3,3 sur5
L’essentiel
Entraîné sur des trajectoires synthétiques de machine learning et de programmation algorithmique, l’agent obtient 81,8 sur MLE-bench Lite et 70,7 sur Frontier-CS. Il obtient aussi 84,0 sur BrowseComp en recherche approfondie.
Propagation1 article, publié par HF Daily Papers le 1 oct..
Les sources
1 article
HF Daily PapersCommunauté : fiche de la sourceSource primaire
Hugging FaceHongjin Qian, Chaofan Li, Kun Luo et al.huggingface.co
AREX-2: Advancing Self-Improving Agents through Long-Horizon Reflective Tasks (site externe)
We present AREX-2, an effort to advance the self-improving capability of LLM agents, which we define as the ability to iteratively refine a solution at test time.
Sur les mêmes thèmes
Agents
SkillSeek montre que BM25 rivalise avec la recherche agentique de skills pour les agents
Agents
VeriHarness transforme le LLM d’un générateur en agent vérificateur pour les tâches longues
Agents
MILO fait évoluer des harnais d’agents et leur stratégie de recherche, et dépasse huit harnais de référence
Évaluations
Des chercheurs suggèrent que les modèles de langage tendent à présenter par défaut des récits de succès
À lire ensuite
Modèles
Google DeepMind annonce Gemini 4 Argon, déployé d’abord auprès de défenseurs cyber de confiance via Fairwind
Modèles
OpenAI lance GPT-6 Sol et GPT-6 Luna, deux modèles plus économiques qui complètent GPT-6 Astra
Modèles
Anthropic publie Claude Opus 5.5 et OpenAI lance GPT-6 Sol et GPT-6 Luna à environ une heure d’écart
Modèles
Anthropic lance Claude Sonnet 5.5, deuxième modèle de la famille Claude 5.5