Meta AI 放出一篇关于研究智能体的论文，讨论的核心问题很具体：当智能体要跑长周期研究任务时，它该怎么决定下一步去查什么。

这件事难就难在，选择下一步调查方向这类决策，在长长的执行轨迹里出现得很少，而且它的效果往往要过好几步才显现出来。决策稀疏、反馈延迟，学习起来自然吃力。

打开网易新闻 查看精彩图片

把智能体拆成两半

MIRA 的做法是把智能体一分为二。外层是一个元推理器，它读取一份持续更新的研究记录，然后写出一张"工作单"，规定下一次调查要做什么。执行层则是一个全新的执行器，负责把每一张工作单落地完成。

这样一来，决策只发生在工作单的边界上。作者就在这些边界点上训练一个评论家，用来预测剩余回报；再训练一个单一的演员-评论家模型（MIRA-AC），让它既能评估阶段性进展，又能挑出下一次该调查什么。

不训练也能提升

论文里提到一个值得注意的结果：即便不做任何训练，这种拆分结构本身就已经改善了定理证明和开放式架构研究的表现。

而在用模型自身的代理信号进行训练之后，MIRA-AC 在四个自动研究环境里的金牌得分全部获得提升。

论文地址为 arxiv.org/abs/2610.02525，另有一个与论文对话的入口 academy.dair.ai/papers/learnin…。这条内容在社交平台上获得了 1,372 次浏览。