BAAI 发布 AREX-2：基于 Qwen3.8-27B 训练长程反思，MLE-bench Lite 达 81.8

BAAI 发布 AREX-2，以 Qwen3.8-27B 为基础训练智能体的长程反思能力。该 arXiv 预印本通过多轮“执行—反馈—修订”迭代，报告 MLE-bench Lite 81.8、FrontierCS 70.7、BrowseComp 84.0、Humanity's Last Exam 52.6；这些基准采用不同指标和 agent 协议，不能作同成本横向比较。