研究者らは、ツール拡張推論と情報探索能力を強化するために新しい「インタラクティブスケーリング」アプローチを活用するオープンソース研究エージェントであるMiroThinker v1.0をリリースしました。モデルサイズやコンテキスト長を増やすことだけに依存する従来の方法とは異なり、この手法はモデルを体系的に訓練し、環境とのより深く頻繁な相互作用を扱えるようにします。

  • 72BバリアントはGAIAで最大81.9%、HLEで37.7%、BrowseCompで47.1%、BrowseComp-ZHで55.6%の精度を達成しました。
  • 256Kのコンテキストウィンドウにより、モデルは強化学習を通じてタスクあたり最大600回のツール呼び出しを実行できます。
  • このアプローチは環境フィードバックを活用してエラーを修正し軌道を洗練させ、長い孤立した推論チェーンに関連する劣化リスクを回避します。

著者らはこれを重要視しています。なぜなら、これは次世代のオープン研究エージェント構築において、モデル容量とコンテキストウィンドウに補完的に加わる「相互作用スケーリング」を第3の重要な次元として確立しているからです。