论文arxiv cs.AI · 1mo ago重要
Hybrid Open-Ended Tri-Evolution Makes Better Deep Researcher
分类释义：学术论文 / 技术报告
TL;DR
上海 AI 实验室等机构提出 HOTE 框架，通过「提议者-求解器-裁判」三元协同进化的混合强化学习方法，让 8B 模型在开放研究任务上超越 8-32B 静态模型。
关键要点
- 01上海 AI 实验室等机构提出 HOTE 框架。
- 02通过「提议者-求解器-裁判」三元协同进化的混合强化学习方法。
- 03让 8B 模型在开放研究任务上超越 8-32B 静态模型。
为什么值得关注
传统 agent 进化只适用于有标准答案的可验证任务，HOTE 填补了开放研究场景的空白——产品/工程团队可直接借鉴其三元协作 RL 训练范式，构建具备持续自进化能力的企业级研究 Agent。
对你的工程实践意味着什么
LLM 实时生成MiniMax-M2.7缓存命中
| 角色 | 你应该做什么 |
|---|---|
| Tech Lead | 评估 HOTE 三元协作 RL 训练范式是否可复用于现有 agent 系统，评估迁移成本 |
| 应用工程师 | 参考 HOTE 的提议者-求解器-裁判分工，设计具备自进化能力的研究型 agent 架构 |
| 运维 / 平台 | 暂无直接影响，了解即可 |
| 产品 / 业务 | 关注 HOTE 在开放研究场景的进展，为下一代具备持续自进化能力的智能产品做需求储备 |
同类资讯
本页 TL;DR 与「为什么」由 LLM 生成 · 模型：MiniMax-M2.7 / Claude Haiku 4.5