论文页面 - Marathoner：超长期自主智能

来源：https://huggingface.co/papers/2609.34378

摘要

人类天生具备为长期目标持续工作的能力。面对具有挑战性的任务，人类可以连续数月甚至数年努力以实现特定目标。本文提出Marathoner，一个具备超长期执行能力的自主智能体模型。具体而言，我们提出了一套完整的后训练流程，旨在将这一关键能力注入基础模型。

对于超长期任务合成，我们利用来自多元GitHub仓库、包含1000+行新代码的重大发布PR，作为合成高难度任务级数据的主要来源。此外，我们引入了多任务链式方法，将多个生成的任务串联为更具挑战性的单一任务，从而能够合成具有前沿难度水平的任务。

在拒绝采样微调方面，我们结合强教师模型与多元执行环境，在合成任务上生成轨迹，并基于拒绝采样的轨迹对基础模型进行监督微调。对于强化学习，冷启动模型在展开过程中通过独立沙箱内的执行环境进行真实世界执行，这有效促进了获取真正的超长期执行能力。

我们进一步提出了一种新颖的奖励策略——后期阶段奖励加成，该策略明确鼓励模型在执行后期阶段进行有意义的复杂操作。通过对包含超长期任务的5个基准测试的全面评估，Marathoner相对于基础模型实现了持续且显著的性能提升，甚至超越了强大的专有模型的性能。进一步分析表明，Marathoner能够在高难度任务上持续工作10+小时并进行1000+次工具调用。

查看 arXiv 页面 (https://arxiv.org/abs/2609.34378) 查看 PDF (https://arxiv.org/pdf/2609.34378) 添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2609.34378)

在你的智能体中获取本文：

hf papers read 2609\.34378

没有最新的 CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用本文的模型 0

没有模型链接本文

在模型 README.md 中引用 arxiv.org/abs/2609.34378 以从此页面链接它。

引用本文的数据集 0

没有数据集链接本文

在数据集 README.md 中引用 arxiv.org/abs/2609.34378 以从此页面链接它。

引用本文的 Spaces 0

没有 Space 链接本文

在 Space README.md 中引用 arxiv.org/abs/2609.34378 以从此页面链接它。

包含本文的合集 0

没有包含本文的合集

将本文添加到合集 (https://huggingface.co/new-collection) 以从此页面链接它。