Meta AI 推出面向长周期研究智能体的 MIRA 架构

在一篇 [arXiv 论文](https://arxiv.org/abs/2610.02525) 中，Meta AI 研究人员提出了 MIRA 架构，旨在帮助研究智能体在长周期任务中决定接下来要探索的方向。为了克服在漫长执行轨迹中从稀疏决策进行学习的难题，MIRA 将智能体拆分为两部分：负责读取持久化研究记录并下发工单的外部元推理器，以及执行每项工单的全新执行器。

由于决策仅在工单边界发生，研究人员在这些节点训练了一个 Critic 来预测剩余回报，随后构建了统一的 Actor-Critic 模型（MIRA-AC），用于评估阶段性进展并选择下一项任务。这种结构分离在无需训练的情况下提升了定理证明与开放式架构研究的表现；而在该模型的代理信号上训练的 MIRA-AC 则在四个自动研究环境中提高了黄金标准得分。