AREX：让AI研究代理自我纠错迭代

当前主流的deep research方案如OpenAI的Deep Research或Gemini的类似功能，本质上是'搜索更多、生成更长'，代价高昂且容易在复杂约束下跑偏。AREX的关键洞察是把研究拆成'发现-验证'两个不对称环节，用验证结果反向指导下一轮搜索方向，这和AlphaGo的MCTS自我对弈有相似的递归结构。

论文提到AREX在需要多跳推理的科学文献综述任务上，用更少的API调用达到了更高的约束满足率，但具体数字和baseline对比在摘要中未披露。如果开源实现可用，做企业级研究Agent的团队可以重点看看它的'部分验证状态'是怎么编码进prompt的，这可能是复现难点也是效果关键。