研究人员发布了 MiroThinker v1.0，这是一个开源研究代理，利用新的“交互式扩展”方法来增强工具辅助推理和信息检索能力。与仅依赖增加模型大小或上下文长度的传统方法不同，该方法系统地训练模型以处理更深入、更频繁的环境交互。

  • 72B 变体在 GAIA 上达到高达 81.9% 的准确率，在 HLE 上为 37.7%，在 BrowseComp 上为 47.1%，在 BrowseComp-ZH 上为 55.6%。
  • 借助 256K 上下文窗口，该模型可以通过强化学习在每个任务中执行多达 600 次工具调用。
  • 该方法利用环境反馈来纠正错误并优化轨迹，避免与更长的孤立推理链相关的退化风险。

作者认为这很重要，因为它确立了交互扩展作为构建下一代开源研究代理的第三个关键维度，补充了模型容量和上下文窗口。