在人工智能领域，当大模型逐步掌握对话、推理、编程和工具调用等能力后，自主研究被视为下一个重要突破口。这一发展方向的意义在于，AI将不再受限于人类知识边界，而是形成一种全新的智能生产模式——“投入多少能源，就转化多少智力”。衡量智能体自主研究能力的重要维度之一，正是其能否在复杂约束条件下持续接近正确答案。
与普通问答只需定位单一事实不同，自主研究需要处理一组相互关联、彼此制约的条件。智能体不仅要从海量信息中筛选候选答案，还需整合分散甚至冲突的证据，并确保最终答案满足所有关键约束。任何一项未验证的条件都会使答案失效。其核心挑战在于，智能体能否清晰判断当前答案的完整性、缺失部分，以及下一步的研究方向。
智源研究院发布的AREX模型正是针对这一难题提出的解决方案。它抓住了自主研究中的关键突破口——“发现—验证不对称性”：完整答案难以一次性生成，但通过逐项验证候选解的关键约束，可以快速定位不足并指导后续探索。验证不仅用于判断答案正确性，更重要的是帮助智能体理解“已知什么、缺失什么、下一步研究什么”，从而提升研究效率。
这一思路的前瞻性在Jeff Dean创立的Discovery Loop公司得到印证。该公司强调，未来AI不仅需要更强的推理能力，还需通过持续实验、反馈和修正形成自主发现能力。AREX通过“求解—验证”双循环框架，体现了这一趋势：内层循环负责研究，外层循环负责改进，二者协同推动智能体在复杂任务中持续进化。
AREX的目标是训练一种能长期运行、自我验证、持续修正的研究型智能体。与传统模型一次性给出答案不同，AREX通过“研究→验证→再研究”的循环，逐步接近完整解。面对复杂任务时，智能体会先给出阶段性答案，随后逐项检查约束条件，保留已验证证据，定位未解决主张，并发起更有针对性的后续研究。当新证据到来时，智能体会更新答案并重新验证，直至输出最终结论。
这一过程可递归执行多轮：研究→暂定答案→逐项验证→定位缺口→定向研究→更新答案。这里的“自我改进”并非指模型在线更新参数，而是指智能体对研究状态和当前答案的持续修正。AREX更像一个会反复检查进度、修正路径、沉淀有效证据的研究助手，而非简单的“搜索后回答”工具。
AREX的整体方法可概括为双循环递归求解框架：内层循环（Research Loop）负责完成一轮相对完整的研究，包括搜索信息、调用工具、收集证据、比较候选并构造暂定答案；外层循环（Self-Improvement Loop）则负责判断当前答案的进展，依据任务约束逐项审计，并形成置信判断。若所有条件均获支持，智能体结束研究；若仍有条件未解决，验证结果将转化为下一轮内层循环的研究目标。
自主上下文更新（ACU）是AREX的关键机制。它不是普通摘要，而是面向下一步行动的研究状态：保留已验证发现、已排除候选、未解决约束和下一步计划。实验显示，AREX在BrowseComp基准上达到82.5分，比关闭ACU和外层循环的版本高出22.9个百分点。这表明长程研究状态维护能显著提升性能。
在长程研究中，AREX通过主动调用上下文更新工具，将交互历史整理为“研究进度表”，帮助模型明确当前进展、已成立内容、已排除假设和下一步方向。这种机制避免了全盘保留冗余信息或简单截断丢失关键线索的问题，使智能体能够持续继承有效信息并形成更稳健的解。
为训练这种能力，AREX设计了一套可验证的自主研究任务生成方法：从确定答案出发，构造一组必须由真实证据支撑的约束条件，再改写为开放式问题。强教师模型在同样工具环境中执行任务，留下全过程的研究轨迹。只有从不确定候选逐步走向可验证答案的轨迹才会被保留，确保训练数据能真正教会模型如何发现线索、交叉验证、推翻错误候选并调整方向。
训练顺序同样关键。AREX采取分阶段策略：模型先学习多轮工具调用和证据获取的基本能力，再逐步进阶到长链推理、候选比较和困难问题求解。同时，强化学习阶段会重点优化关键步骤（如找到关键证据、否定错误候选、切换搜索方向）的研究策略，而非将所有步骤同等对待。
在六个基准测试中，AREX以10B激活参数达到自主研究前沿水平。在信息深度测试（BrowseComp、xbench-2510）中，AREX-Base分别取得82.5和接近MiroThinker-H1的成绩，表明其能稳定维护研究状态并逐级深入挖掘。在信息广度测试（WideSearch-en）中，AREX-Base以82.0 Item-F1领先所有对比模型，证明其能管理大范围搜索任务并持续跟踪已覆盖范围和剩余空白。
在深度与广度结合测试（DeepSearchQA）中，AREX-Base取得89.9 F1分，超过GPT-5.4等模型，说明其学到了一套可迁移的研究方法论：检索、比较、验证、修正、聚合。在端到端能力测试（GAIA、HLE with tools）中，AREX-Base分别取得85.4、71.0和52.4分，表明其能将搜索与规划、推理、工具调用结合，完成完整智能体工作流。
与同量级模型相比，AREX-Base的总参数量为122B，但每次推理仅激活10B参数。相比Qwen3.5-122B，AREX-Base在所有报告指标上均领先；相比Qwen3.5-397B，AREX-Base在六项完整可比基准上全部领先。与专门面向搜索和研究任务训练的智能体模型相比，AREX也体现出较高的参数效率。例如，AREX-Turbo仅4B参数，但在多项指标上超过Qwen3.5-35B等模型。
基于AREX LLMs，智源研究院进一步推出AREX Research Platform，将自主研究能力封装为面向科研与产业用户的日常工具。该平台针对资讯、论文、播客三种信息形态提供独立入口，均由AREX智能体驱动。用户可指定关注方向（如Coding Agent、芯片行业进展），生成持续运行的专属资讯智能体，按设定频率完成检索、筛选与汇总。
每条资讯、论文或播客旁均提供自主研究入口，可一键调用AREX智能体。智能体已感知当前阅读内容与上下文，无需重复交代背景，即可针对具体问题（如“该方向是否有后续讨论”“所选benchmark是否权威”）启动检索、对比、分析与综合，输出完整的知识脉络。这一设计将内容发现与自主研究直接衔接，降低了信息获取成本。
当前版本的AREX Research Platform覆盖科研工作流中的“信息获取”与“认知构建”阶段。后续，智源研究院计划将能力延伸至研究执行阶段，由提供参考信息发展为支持方案产出，最终实现用户定义研究问题、AREX自主完成探索与优化并交付可验证结果的目标。该平台已开放BETA版测试，用户可访问arex-research.com体验。
