人类研发时代结束？XYZ 最强 Search Agent 横扫七大榜单，300 个 Agent 跑通 AI4AI 全栈闭环

📌 一句话摘要

XYZ AI Lab 发布两款 Deep Search Agent，凭借 AI 驱动的全链路研发闭环在七项基准上刷新 SOTA，展示 AI 参与自身研发的可行路径。

📝 详细摘要

机器之心报道，XYZ AI Lab 发布 35B 参数的 XYZ-Aquila-mini 和 397B 参数的 XYZ-Aquila-pro 两款 Deep Search Agent，在 BrowseComp、BrowseComp-ZH、DeepSearchQA、GAIA、LiveBrowseComp、Humanity's Last Exam 和 WideSearch 七项基准上均取得 SOTA 成绩。文章重点介绍了这些模型背后的 AI4AI 研发范式：让 AI 参与任务构造、模型训练、运行时优化和评测验证的闭环，通过人定规则、AI 找路、独立评测和全程留痕的机制，实现可验证、可复现的系统性改进。文中还详细说明了上下文管理、研究记事本、状态对齐的监督微调以及强化学习在长程任务中的应用，并指出该体系不仅限于 Deep Search，未来可扩展至 Coding Agent、多工具 Agent 以及法律、医学、科研等场景。

💡 主要观点

- XYZ-Aquila-mini/pro 在七项基准上均刷新 SOTA。 具体成绩为 BrowseComp 78.8、BrowseComp-ZH 82.9、DeepSearchQA 89.5、GAIA 97.1、LiveBrowseComp 48.7、HLE 51.1 和 WideSearch 80.8，覆盖中英文网页、时效信息、深度检索和宽域信息收集。

AI4AI 研发范式实现人定规则、AI 找路、独立评测、全程留痕的闭环。 人类定义目标、评测标准、资源预算和风险边界；Agent 负责问题拆解、方案探索、实验执行和经验整理；独立评测器生成可核验证据，门控机制决定接受、拒绝或升级至人类审查。

上下文管理和研究记事本是解决长程搜索关键问题的两个 AI 提出方向。 AI 从失败轨迹中提出主动上下文整理和独立工作区的研究记事本，团队验证后将其纳入系统，显著提升关键证据保留和答案正确性。

该闭环体系具备泛化潜力，可扩展至 Coding Agent、多工具 Agent 及专业领域工作流。 文章指出，未来可将相同的提出候选方案、执行实验、独立验证、沉淀经验的流程应用于编码、法律、医学、科研和企业等场景，底层闭环保持不变。

💬 文章金句

- 人定规则，AI 找路；独立评测，全程留痕。

AI 正在从 '被研发的对象'，逐渐成为研发过程中的执行者、实验者和改进者。

📊 文章信息

AI 初评：87

来源：机器之心

作者：机器之心

分类：人工智能

语言：中文

阅读时间：20 分钟

字数：4759

标签： AI 研究, AI4AI, Deep Search, Agent 系统, XYZ Aquila

阅读完整文章

人类研发时代结束？XYZ 最强 Search Agent 横扫七大榜单，300 个 Agent 跑通 AI4AI 全栈闭环

🤖 問 AI