SciMaster：无需微调，在人类最后考试上刷新 SOTA

摘要

随着 AI Agent的发展，人们期待其在科学发现中发挥关键作用。本文提出 X-Master，一种工具增强型通用推理Agent（tool-augmented reasoning agent） ，通过将 Python 代码作为与外部环境交互的语言，实现对计算库、网络搜索等工具的调用。为进一步增强推理能力，本文构建了一个分散–堆叠式代理工作流 X-Masters，实现解答过程的多阶段协作与优化。系统在 Humanity’s Last Exam（HLE）上首次突破 30% 得分，超过 OpenAI 与 Google DeepMind 的闭源系统，展示出开源代理系统在科学智能领域的领先潜力。

• 论文标题：SciMaster: Towards General-Purpose Scientific AI Agents, Part I. X-Master as Foundation: Can We Lead on Humanity’s Last Exam?
• 论文链接：https://arxiv.org/abs/2507.05241

1 引言

“人类最后考试（Humanity’s Last Exam, HLE）” 是一个由全球近 1000 位领域专家共同打造的评估基准，涵盖来自超过 500 个机构的多学科知识前沿任务。它被视为 AI 系统在应对科学性、高复杂度、跨领域问题方面的终极挑战，其中的问题都非常复杂，例如下图展示了其中的几个样例：

目前，尽管 OpenAI 和 Google DeepMind 等闭源系统在 HLE 上分别取得一定的成绩，但这类系统的封闭性严重限制了社区理解、复现与创新的能力。

为应对这一挑战，本文提出一个<