MiroThinker-1.7 与 H1：通过验证迈向重型研究智能体
计算与语言
2026-03-18 v1 人工智能
信息检索
机器学习
摘要
我们提出 MiroThinker-1.7，一种面向复杂长程推理任务的新研究智能体。在此基础上，我们进一步引入 MiroThinker-H1，为该智能体扩展了重型推理能力，以实现更可靠的多步问题求解。具体而言，MiroThinker-1.7 通过强调结构化规划、上下文推理和工具交互的智能体中间训练阶段，提升了每个交互步骤的可靠性。这使得在复杂任务中能够实现更有效的多步交互和持续推理。MiroThinker-H1 进一步将验证直接融入推理过程，涵盖局部和全局两个层面。中间推理决策可以在推理过程中被评估和优化，同时整体推理轨迹会被审计，以确保最终答案由连贯的证据链支撑。在涵盖开放网络研究、科学推理和金融分析的基准测试中，MiroThinker-H1 在深度研究任务上取得了最先进的性能，同时在专业领域保持了强劲的结果。我们还以开源模型的形式发布了 MiroThinker-1.7 和 MiroThinker-1.7-mini，在显著提升效率的同时提供了具有竞争力的研究智能体能力。
引用
@article{arxiv.2603.15726,
title = {MiroThinker-1.7 & H1: Towards Heavy-Duty Research Agents via Verification},
author = {MiroMind Team and S. Bai and L. Bing and L. Lei and R. Li and X. Li and X. Lin and E. Min and L. Su and B. Wang and L. Wang and L. Wang and S. Wang and X. Wang and Y. Zhang and Z. Zhang and G. Chen and L. Chen and Z. Cheng and Y. Deng and Z. Huang and D. Ng and J. Ni and Q. Ren and X. Tang and B. L. Wang and H. Wang and N. Wang and C. Wei and Q. Wu and J. Xia and Y. Xiao and H. Xu and X. Xu and C. Xue and Z. Yang and Z. Yang and F. Ye and H. Ye and J. Yu and C. Zhang and W. Zhang and H. Zhao and P. Zhu},
journal= {arXiv preprint arXiv:2603.15726},
year = {2026}
}
备注
23 pages