연구자들은 도구 증강 추론과 정보 탐색 능력을 향상시키기 위해 새로운 "상호작용 스케일링" 접근 방식을 활용하는 오픈소스 연구 에이전트인 MiroThinker v1.0을 출시했습니다. 모델 크기나 컨텍스트 길이 증가에만 의존하는 기존 방법과는 달리, 이 방법은 모델을 체계적으로 훈련하여 환경과의 더 깊고 빈번한 상호작용을 처리하도록 합니다.

  • 72B 변형은 GAIA에서 최대 81.9%, HLE에서 37.7%, BrowseComp에서 47.1%, BrowseComp-ZH에서 55.6%의 정확도를 달성했습니다.
  • 256K 컨텍스트 윈도우를 통해 모델은 강화 학습을 통해 작업당 최대 600회의 도구 호출을 수행할 수 있습니다.
  • 이 접근 방식은 환경 피드백을 활용하여 오류를 수정하고 궤적을 정제하며, 긴 고립된 추론 체인과 관련된 성능 저하 위험을 피합니다.

저자들은 이를 중요하게 여깁니다. 이는 차세대 오픈 연구 에이전트 구축에 있어 모델 용량과 컨텍스트 윈도우에 보완적으로 작용하는 상호작용 스케일링을 제3의 핵심 차원으로 확립했기 때문입니다.